computer-vision - 因子图优化和捆绑调整有什么区别？

Question

我看到在 SLAM 文献中，经常使用因子图优化。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，我们可以用库实现另一种方法吗？例如，使用 g2o 实现捆绑调整，或使用 ceres 求解器实现因子图优化？

提前致谢！

Answer 1

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，以便根据测量的协方差矩阵最小化误差。

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，但你绝对可以使用 ceres 来做任何一个，因为它只是定义正确成本函数的情况。