因子图优化和捆绑平差有什么区别？

Question

我看到在SLAM文献中，因子图优化是经常使用的。在"运动结构"的文献中，通常使用束平差。这两种方法有什么区别？

此外，我们可以用库来实现一种方法吗？例如，用g2o实现Bundle调整，或者用ceres求解器实现因子图优化？

提前感谢！

Answer 1

因子图优化是对任何具有节点(状态(和边(约束(的通用因子图的优化，例如，您可以在两个姿态之间具有IMU预集成约束，以便根据测量的协方差矩阵将误差降至最低。

束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姿态和地标位置，唯一的约束是从地标到相机的重投影约束。

我不确定g2o，但你肯定可以使用ceres来做这两件事，因为这只是定义正确的成本函数的情况。