因子图（Factor Graph）是一种用于表示概率图模型的数学工具，它将复杂的概率分布分解为多个局部因子的乘积形式。在自动驾驶领域，这种图结构被广泛应用于同时定位与地图构建（SLAM）、传感器融合等关键任务中。因子图由两类节点构成：变量节点（代表待估计的状态量，如车辆位姿）和因子节点（表示观测约束或先验知识），通过边连接表示变量与因子之间的依赖关系。其核心优势在于能够直观地展现高维状态空间中变量间的条件独立性，并通过高效的图优化算法（如GTSAM库采用的算法）实现实时推理。
在自动驾驶系统开发中，因子图为多传感器数据融合提供了优雅的数学框架。例如激光雷达与IMU的观测数据可以转化为不同的因子节点，共同约束车辆的运动轨迹估计。这种模块化设计使得系统能够灵活地添加或移除传感器模型，同时保持算法架构的一致性。特斯拉2021年发布的纯视觉自动驾驶方案中，就采用了类似因子图的概率网络来实现跨摄像头的时空信息融合。随着边缘计算能力的提升，基于因子图的优化方法正逐渐取代传统滤波器，成为自动驾驶状态估计的主流范式。