后端优化部分

• Schur消元(舒尔消元，舒尔补)，边缘化(Marginalization)的一种方法. 通过对稀疏的H做边缘化，降低求逆的复杂度。

• 鲁棒核函数(Rubost Kernel): 误匹配带来的大损失，在最小二乘定义的loss下， 梯度太大，导致整个优化忽略了其他正常匹配的损失，影响了优化效果； 可以通过定义对误匹配损失响应没那么积极的loss方式，如 Huber 核，其在误差 较大时，误差是线性增长的，从而避免误匹配带来巨大loss让整个优化被单点loss带偏。 通过应用核函数让优化更稳定，所以这种方法就叫鲁棒核函数。