此外，图优化可以用于全局的优化，可是随着时间的推移，状态量(所有帧的位姿及landmark)增多，更新的代价会随着时间推移而增大。而EKF的状态量采用单帧运动及landmark，新的位移产生或者得到新的观测都必须对当前状态量进行更新，即单帧的计算量较大，但随时间的推移增加的计算量相对没有图优化算法明显。后端优化：接受不同时刻视觉里程计测量的相机位姿，以及回环检测的信息，对其进行优

后端优化：接受不同时刻视觉里程计测量的相机位姿，以及回环检测的信息，对其进行优化，得到全局一致的轨迹和地图。

滤波法：在线性高斯系统中，卡尔曼滤波器构成了该系统中的最大后验概率估计。可以说，卡尔曼滤波器构成了线性系统的最优无偏估计。

在早期的SLAM中，EKF占据了很长时间的主导地位，如IF、IKF、UKF和粒子滤波器。

BA（bundle adjustment）：从视觉图像中提炼出最优的3D模型和相机参数（内参、外参）调整各相机姿态和各特征点的空间位置，使得这些光线bundle最终收束到相机的光心。

滤波器与图优化的区别：
像EKF，粒子滤波器等优化器是主动式的，在得到新的系统输入或者观测量后，都会对状态进行主动预算和优化。而图优化是建立约束方程，凭借求解得到状态估计值。此外，图优化可以用于全局的优化，然而随着时间的推移，状态量(所有帧的位姿及landmark)增多，更新的代价会随着时间推移而增大。而EKF的状态量采用单帧运动及landmark，新的位移产生或者得到新的观测都需要对当前状态量进行更新，即单帧的计算量较大，但随时间的推移增加的计算量相对没有图优化算法明显。图优化模型可用于全局优化，EKF多用于单帧优化。