因子图优化和捆绑调整之间有什么区别？
What's the difference between factor graph optimization and bundle adjustment?
我看到在SLAM文献中，经常使用因子图优化。而在 Structure from Motion 文献中，通常他们使用 bundle adjustment。这两种方法有什么区别？
此外，我们可以用一种方法实现另一种方法的库吗？例如。使用 g2o 实施 Bundle 调整，或使用 ceres 求解器实施因子图优化？
提前致谢！
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，您可以在两个姿势之间设置 IMU 预积分约束，您希望基于协方差最小化误差测量矩阵。
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势和地标位置，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的成本函数的情况。
我看到在SLAM文献中，经常使用因子图优化。而在 Structure from Motion 文献中，通常他们使用 bundle adjustment。这两种方法有什么区别？
此外，我们可以用一种方法实现另一种方法的库吗？例如。使用 g2o 实施 Bundle 调整，或使用 ceres 求解器实施因子图优化？
提前致谢！
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，您可以在两个姿势之间设置 IMU 预积分约束，您希望基于协方差最小化误差测量矩阵。
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势和地标位置，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的成本函数的情况。