SLAM中的BA优化，先根据相机模型和A,B图像特征匹配好的像素坐标，求出A图像上的像素坐标对应的归一化的空间点坐标，然后根据该空间点的坐标计算重投影到B图像上的像素坐标，重投影的像素坐标(估计值)与匹配好的B图像上的像素坐标(测量值),不会完全重合，BA的目的就是每一个匹配好的特征点建立方程，然后联立，形成超定方程，解出最优的位姿矩阵或空间点坐标(两者可以同时优化)。
上面解超定方程，首先想到最小二乘，使用ATAC=ATy来进行求解，得到最优的解。
编辑切换为居中
添加图片注释，不超过 140 字（可选）
编辑切换为居中
添加图片注释，不超过 140 字（可选）
编辑切换为居中
添加图片注释，不超过 140 字（可选）
编辑切换为居中
添加图片注释，不超过 140 字（可选）
编辑切换为居中
添加图片注释，不超过 140 字（可选）
上面的优化方程中可以得知ba优化的目标函数是在优化测量值和重投影误差之间的差值，这里使用的是二范数来进行优化，并且需要注意的是，BA优化既可得到优化的位姿矩阵，也可以得到空间点坐标。因为BA可以得到空间点的坐标，这样在优化过程中，一帧图像中有成万的点去优化，这样减慢了优化的效率，因此位姿图应运而生。
然后BA优化具体可以参考高翔老师的视觉SLAM14讲，可以多读几遍，加深印象。还有针对本节的李群和李代数的相关内容，看到有人在b站上的视频，说只要记住公式就可以了。当然前提是不在李群领域有更加深入的研究。
第二篇博客学习：
Bundle Adjustment译为光束法平差，或者束调整、捆集调整。
编辑切换为居中
添加图片注释，不超过 140 字（可选）
编辑切换为居中
添加图片注释，不超过 140 字（可选）
编辑切换为居中
添加图片注释，不超过 140 字（可选）
编辑切换为居中
添加图片注释，不超过 140 字（可选）
