1.G2O使用步骤
使用步骤图中的红色字体
创建第1步 线性求解器LinearSolver
基于图优化的贫民窟一般用于求解增量方程HX=b，但求解增量方程的最简单方法是雅可比矩阵h的逆，即：
X=-H.inv*b
但是，当雅克比矩阵维数大时，很难求出矩阵的逆，所以在这个步骤中主要用什么方法求解增加方程式，从图中可以看出，一般有3种方法PCG、CSparse、Sparse Cholesky。 具体来说：
使用linearsolvercholmod:sparsecholesky分解法。 从LinearSolverCCS继承
使用linearsolverdense:densecholesky分解法。 从线性服务器继承
LinearSolverEigen :依赖关系只有eigen，使用eigen中的Sparse Cholesky进行求解
使用linearsolvercsparse:csparse法。 从LinearSolverCCS继承
linearsolverpcg :使用preconditionedconjugategradient方法，从linearsolver继承
http://www.Sina.com/http://www.Sina.com /
块解算器内部包含线性解算器，由上面定义的线性解算器初始化； 这一步被认为是设定顶点的类型。 块解决程序有以下两种定义方法： 一个是指定固定变量的solver。
usingblocksolverpl=blocksolverblocksolvertraitsp，l；
请注意，其中p表示pose的维，l是流形manifold下的最小表示。 (表示landmark的维度
另一个是可变大小求解器，定义如下
usingblocksolverx=blocksolverpleigen :3360 dynamic，Eigen:Dynamic；
常用的有以下几种。
block solver _6_3:表示pose为6维，观测点为3维。 用于3d灌篮的BA
block solver _7_3:在block solver _6_ 3中添加了scale
block solver _3_2:表示pose为三维，观测点为二维
第2步 创建编写BlockSolver
这一步可以理解为用什么方法优化最卖命的冰棍求解增量； 一般的方法有高斯牛顿法、lm(LevenBerg-Marquardt )法、Dogleg法，为了不使求解器块解算器初始化而并用
第3步 创建稀疏优化空间优化器
创建稀疏优化程序，并使用定义的求解器作为解决方案方法
具体代码如下
//步骤1初始化g2o优化程序g2o :3360 sparseoptimizeroptimizer； //HX=b德尔塔方程，线性求解器采用什么方法求解德尔塔方程g2o :3360 block solver _6_ :3360线性求解器； //LinearSolverEigen依赖关系只有eigen，使用eigen中的sparse Cholesky求解，性能与CSparse基本相同： linear solver=ne wg2o 3: linearsolvereion 块解算器内部包含线性解算器，由以上定义的线性解算器进行初始化。 //定义增量方程自变量x的含义的BlockSolver_6_3是pose为六维且观测点为三维g2o :3360 block solver _6_3* solver _ ptr=ne wg2o 3603360360 block 采用solver _ ptr=ne wg2o 3360360 block solver//lm算法进行最玩命冰棍乘法优化，多级迭代最高增量g2o :3360 optimizationalgorithmleve solver=ne wg2o :计算optimizationalgorithmlevenber的optimizer.setalgorithm(solver )； 现在记录顶点和边的使用.