- 极平面，极点，极线的概念
- 对极几何，对极约束的概念，通过叉积以及点积的性质推导单应矩阵以及基础矩阵
- 光束平差法BA是LSAM中常用的非线性优化方法
- 一个图由若干个顶点以及这些顶点连接的边构成，顶点通常是待优化的变量例如位姿，空间中的地图点（路标点），边一般是顶点之间约束产生的误差比如说重投影误差，实现图优化的目的就是通过调整顶点来使得边总体误差最小，这个时候我们认为顶点是最准确的
- 在SLAM领域中常用的图优化库有两个一个是g2o一个是ceres.
- g2o线性求解曲线参数的具体步骤：第一步，创建一个线性求解器，使用不同的线性求解法例如cholesky,scparse,pcg,dense cholesky,eigen；第二步创建块求解器，分为固定变量的求解器以及可变尺寸的求解器,并用上面的线性求解器初始化；第三步，创建总求解器，从GN，LM，Dogleg中选择一个再用块求解器初始化；这几个算法继承同一个类OptimizationWithHessian,OptimizationWithHessian又继承于OptimizaitonAlgorithm;第四步，创建稀疏优化器，并用自己定义的求解器作为求解方法；第五步，定义图的顶点和边，并添加到优化其中，这部分比较复杂；第六步，设置优化参数，开始执行优化。
- 自定义Vertex顶点的构建，首先设定被优化顶点的初始值为0，其次更新顶点函数（加法，乘法等等），最后存盘和读盘留空。如何构建以位姿作为顶点或者以3D点作为顶点？什么时候更新函数用加法，什么时候用乘法？
- 如何向图中增加顶点，首先新建顶点，设定估计值，设置顶点编号ID，设定是否需要边缘化，将顶点添加到优化器中
- 自定义边的构建：首先读写函数，其次写误差函数=测量值-估计值，最后计算增量函数：误差对于优化变量的偏导数。
- p73 勘误，这里应该是上述矩阵和函数EdgeProjectXYZ2UV::linearizeOplus（）函数实现一致
- 如何向图中增加边：一元边实例中首先设置边ID，其次设置连接的顶点，设置观测的数值，设置信息矩阵，将边添加到优化器。
- p74 勘误，展示了PnP投影的添加二元边的例子，其中顶部代码信息矩阵没有表达出来
- 位姿以及三维点的ID信息不能互换。
总的来说这一部分补充了十四讲里面对于图优化的阐述，是比较不错的学习资料