高斯-牛顿方法(Gauss-Newton Method)是一种用于求解非线性最小二乘问题的迭代优化算法，它通过将非线性问题局部线性化来逼近最优解。该方法可以看作是牛顿法在最小二乘问题中的特殊形式，通过忽略二阶导数项来简化计算，特别适用于残差函数可微且初始值接近真实解的情况。其核心思想是在每次迭代中求解一个线性最小二乘子问题，逐步逼近目标函数的最小值点。
在自动驾驶领域，高斯-牛顿方法常被用于传感器标定、视觉SLAM（同步定位与建图）等任务中的非线性优化问题。例如，在相机-激光雷达联合标定过程中，该方法能有效优化标定参数以最小化投影误差；在基于特征点的视觉里程计中，则可用于优化相机位姿估计。相较于传统牛顿法，其计算效率更高，这对实时性要求严格的自动驾驶系统尤为重要。随着边缘计算设备性能提升，该方法在车载嵌入式平台上的应用也日益广泛。