g2o(General Graph Optimization)---通用图优化算法

g2o的本质：g2o是一个算法集的C++实现，而并不是在算法理论上的创新，即根据前人求解非线性最小二乘的理论，根据具体的问题，选用最合适的算法。

它是一个平台，你可以加入你自己的线性方程求解器，编写自己的优化目标函数，确定更新的方式。g2o的作者说Guassian-Newton和Levenberg-Marquardt方法比较naive，但是g2o的本质就是这些算法的实现。事实上，g2o iSAM SPA和 sSPA等非线性优化算法只是在非线性问题线性化时处理得不一样，在线性化后要求解线性方程都是利用了已有的linear solver库来求解，如 CSparse CHOLMOD PCG等，他们都需要依靠Eigen这个线性代数库。

g2o的用途：很多机器人的应用如SLAM（同步定位与制图）还有计算机视觉中的光束优化（bundle adjustment 参考http://blog.csdn.net/abcjennifer/article/details/7588865；

http://courses.cs.washington.edu/courses/cse576/05sp/projects/proj3/artifacts/yongjoon/index.html）都会涉及到最小化非线性误差函数的问题。这类应用中，非线性误差函数可以用图(graph)的形式来表征。整个问题的求解就是要找到最符合观测量的相机参数或机器人状态。

g2o的实现：

类似算法：iSAM (参考http://openslam.org/iSAM.html）

                    SPA2d (参考http://users.ics.forth.gr/~lourakis/sba/）

                    HOG_Man

g2o与其他算法的效果对比：（具体参考论文：《g2o:a general graph optimization》)

Fig1：

Fig2：

Fig3：isam与其他算法的对比（参考：http://people.csail.mit.edu/kaess/isam/comparison.html）