基于特征点法的BA算法中 雅克比矩阵一般由两部分构成（视觉SLAM十四讲P247）
- 一部分是整体目标函数对相机姿态的偏导数
- 一部分是对路标点位置的偏导
目标函数即是 图像的二维像素位置与路标点经过相机外参数投影到像平面的位置之差的最小（可以有很多种方式表达比如范数）
这体现了SLAM的基本思想 同步获取姿态信息和地图 （地图在这里就是地图点了）
而在基于直接法的DSO中，雅可比由三部分组成：
- 图像雅可比，即图像梯度；
- 几何雅可比，描述各量相对几何量，例如旋转和平移的变化率；
- 光度雅可比，描述各个量相对光度参数的雅可比；
（作者认为，几何和光度的雅可比，相对自变量来说通常是光滑函数；而图像雅可比则依赖图像数据，不够光滑；所以，在优化过程中，几何和光度的雅可比仅在迭代开始时计算一次，此后固定不变[1]。而图像雅可比则随着迭代更新。这种做法称为First-Estimate-Jacobian（FEJ），在VIO中也会经常用到[8]。它可以减小计算量、防止优化往错误的地方走太多，也可以在边缘化过程中保证零空间的维度不会降低，后者我们还要在后文继续谈。）
这是因为直接法的原理造成的 在基于直接法的SLAM当中，甚至地图都不可重复利用，地图只是在运动中绘制出的周围环境罢了，所以目标函数？还不太清楚 再看一下