borglab/gtsam

它解决了什么问题

它提供了一个用于机器人和计算机视觉中平滑与映射（SAM）的框架，允许系统通过优化约束（因子）网络来估计机器人或物体的状态，而不是依赖传统的稀疏矩阵计算。

它的工作原理

GTSAM 使用因子图和贝叶斯网络作为其核心计算范式。它将问题表示为一个图，其中节点是要估计的变量，边（因子）是它们之间的约束。该函数库执行流形优化，这涉及构建因子图、在切空间中线性化和求解，并将结果回缩到流形上以迭代收敛。

它适合谁

它专为需要实现高性能状态估计、SLAM（同步定位与地图构建）和传感器融合的机器人和视觉研究人员及工程师设计。

亮点

• 多语言支持：核心函数库以 C++ 编写，并提供 Python 和 MATLAB 的包装。
• IMU 预积分：包含一种先进的方案，用于在流形上处理惯性测量单元数据，以实现高效估计。
• 自动微分：支持 GTSAM Expressions 以实现高效的自动微分。
• 硬件加速：提供 CUDA 线性求解器和可选的 Intel oneMKL 集成，以进行性能优化。