GTSAM理解

1：GTSAM是什么

参考博文：gtsam：从入门到使用
1：是什么：
GTSAM是用于计算机视觉和多传感器融合方面用于平滑和建图的C++库，GTSAM采用因子图和贝叶斯网络的方式最大化后验概率 。
2：解决什么问题：
GTSAM解决SLAM和SFM的问题（lia_sam后端因子图优化）

2：贝叶斯网络和因子图

1：贝叶斯网络

1：贝叶斯网络是什么
贝叶斯网络（信念图）（有向无环图模型）是一种概率图模型。
2：贝叶斯网络的组成

• 节点：代表属性（变量或未知参数）
• 节点间的连线（弧）：代表属性之间的依赖关系

3：例子

a和b是独立的，a和b通过弧指向c，则c的概率值将依赖于a和b，说明属性c受到a和b的影响，因为有向无环图，则c不会指向a和b。由上图可知：P(a,b,c)=P(a)P(b)P(c|a,b)成立。

具体更多例子参考：二. 贝叶斯网络

2： 因子图

1：什么是因子图
因子图就是对函数进行因子分解得到的概率图，由变量节点和函数节点组成
因子图的三个基本组成部分：

• 因子图（factor graph）：它属于一个二分图，由因子和变量连接而成。
• 变量（variables）：估计问题中的未知随机变量。
• 因子（factors）：非线性因子表示变量之间的约束，在slam中，可能为landmark或者odometry的读数。
  2：因子图的表示

全局函数可以通过因式分解得到多个局部函数的乘积，局部函数和对应变量的关系就体验在因子图上。
g ( x 1 , x 2 , x 3 , x 4 , x 5 ) = f A ( x 1 ) f B ( x 2 ) f C ( x 1 , x 2 , x 3 ) f D ( x 3 , x 4 ) f E ( x 3