我继承了使用此页面上显示Eigen::Matrix的代码解决问题的代码：

(A.transpose() * A).ldlt().solve(A.transpose() * b)

这可行，但我的矩阵大小通常可以是。表达式为我提供了一个包含 400 倍数据的巨大方阵，因此我怀疑求解器浪费了大量时间来处理这些额外数据。$[200 \times 5]$$A^T.A$

是否有一个“更好”的求解器可以避免创建方阵，或者可以通过“分而治之的策略”来解决这个问题，也许我可以解决 40 个 50x5 的问题，然后解决 40x5 的结果？

更新：有关更多信息，我的问题是在对立体图像进行视差检查后，我有一个点云，并且根据函数名称，它正在尝试检测路面。我们求解矩阵，然后使用计算出的系数去除每组点中的噪声。

尝试准确解决所有 2000 分似乎需要付出很大的努力，这也让我感到震惊。也许选择每 10 个点会给出大致相似的答案？

此外，5 行值类似于（IIRC，我离开我的电脑一周！），，，和$X$$Y$$Z$$X^2$$Y^2$

最后，请注意，一个操作本身并不是那么低效，而是我有超过 300 组点，每帧总计超过 100,000 个点。