SLAM 常见问题(五)：Singular Value Decomposition（SVD）分解

SVD 分解就是一种矩阵拆解术，它能够把任意矩阵$A \in \mathbb{R}^{m \times n}$拆解成 3 个矩阵的乘积形式，即：A = U \Sigma V^T 其中，$U \in \mathbb{R}^{m \times m}$，$V \in \mathbb{R}^{n \times n}$都是正交矩阵，即列向量是正交的单位向量，$\Sigma \in \mathbb{R}^{m \times n}$的对角阵（奇异值）。搬运了来自 MIT OpenCourseWare 的在线课程并放在了 B 站，讲解得很清晰。(function(){var player = new DPla……