MOLA：A Modular Optimization Framework for Localization and Mapping. 多元异质传感器数据融合SLAM方案（开源）

1. MOLA简介

1.1 背景

异质sensor的整合到一个SLAM方案中绝非易事，理论层面上的障碍包括不同SLAM系统对于机器人传感器系统、地图的几何描述以及机器人状态描述各不相同。目前的整合方案是图形推理库（graphical inference libraries）：g2o, GTSAM, Ceres，这些库常用来做后端。但这同一个完整但SLAM方案还是有gap的。

1.2 目标

MOLA是RSS2019的文章，提出了一个开源的异质数据融合的模块化SLAM系统。这里将前端、后端、回环闭合及其对应的状态都做了封装。这样可以最小化模块之间的依赖，并进行针对性的实现替换。

上述实现是单进程，每个模块都至少在一个线程中运行，利用shared_ptr<>实现。为方便模块封装，所有模块都来自于一个基类：有标准的生命周期，可以同步的或者按照相应输入事件动态的开启或者悬挂。

1.3 内容

1. SLAM有统一的数学框架，独立于pose（SE2，SE3），独立于地图（统一的或者是子图集合）
2. 独立于地图生成数据源（li