【发布时间】：2021-04-19 03:23:16
【问题描述】：
我看到在 SLAM 文献中，因子图优化被频繁使用。在 Motion 文献中的结构中，通常使用捆绑调整。这两种方法有什么区别？
此外，我们可以用库为另一种方法实现一种方法吗？例如。用 g2o 实现捆绑调整，还是用 ceres 求解器实现因子图优化？
提前致谢！
【问题讨论】：
标签： computer-vision robotics 3d-reconstruction slam structure-from-motion
【发布时间】：2021-04-19 03:23:16
【问题描述】：
因子图优化是对具有节点（状态）和边（约束）的任何通用因子图的优化，例如，您可以在两个姿势之间设置 IMU 预积分约束，以便根据协方差矩阵最小化误差测量结果。
捆绑调整是因子图优化的一种特殊情况，其中唯一的状态是相机位姿和地标位置，唯一的约束是从地标到相机的重投影约束。
我不确定 g2o，但您绝对可以使用 ceres 来做，因为它只是定义正确成本函数的情况。
【讨论】：
-
非常感谢！我还有一个问题：位姿图优化也是因子图优化的一个特例，其中边/约束是相对相机运动，对吗？
-
是的，位姿图优化正是如此，通常会有某种协方差矩阵来衡量两个位姿之间的不确定性