图优化在后端优化中的简单理解

图优化总结：
第一，先由两个位姿顶点Ti和Tj、一个位姿变换边Tij构成一个优化函数；
第二，扰动该函数并对两个位姿顶点的扰动量求偏导，得到J，然后计算H，第三，根据H△x=g得到扰动量△x，并对原先俩位姿进行更新，实现优化。

因此这里我们又有了一个新的认识，“前端”关注的是光度误差与重投影误差之类的东西，而这里“后端”关注的是已经知道了不同的位姿T，如何整体对它进行调整，这也就更符合了“后端”的含义。
三角形的位姿T1,T2。。。是通过和世界坐标系的比较而得到的，蓝色的边是两个位姿之间相对运动的估计。

如何获得T1,T2：世界坐标系的路标点有了，然后根据图像坐标系下的点，估计世界坐标系与图像坐标系下的变换关系，解得位姿，这里的位置是有误差的。

如何估计它们的相对运动，也就是蓝色的线：

数学方式算出来的是：T1的逆乘以T2。

匹配方法是：通过T1和T2所在的图像进行匹配，比如单独算一个2D-2D之间的位姿变换或者光流法等，这样根据图像算出的位姿相对变换很有可能是和T1与T2用数学方式计算得到的位姿是有差异的

如何减小两种方法的差异：

相对运动公式如下，左边是根据匹配获得的，右边是根据数学公式获得的，两者是近似相等。
参考链接：
https://blog.csdn.net/zkk9527/article/details/89068410

误差项都是针对于单个位姿和路标点的，但是在整体的BA目标函数上，必须把自变量定义成所有待优化的变量。（也就是说，视觉里程计的两章里的BA，主要针对的是讲单个误差项的求导过程，但是这章讲的是所有的误差合并到一起，做一个整体的矩阵进行优化）

VO 的匹配过程只需要和 Map 打交道即可