6.g2o

g2o全称 General Graphic Optimization 通用图优化的缩写

第五节讲了手撕高斯牛顿方程的写法
这一讲是表示如何用g2o的方式来重新表示
一言以蔽之，g2o方法相当于是把优化问题用图结构的方式表达出来，好处是不用编写一些重复的代码，其次是结构清晰，当然执行速度上会比自己写稍慢些，这是可以理解的，通用，意味着普通，但和代码编写效率做比较，这点速度的牺牲不值一提

我们来看看图优化是怎么做的
首先图优化，就是把问题变成图的一种方式

image.png

如图所示，对于假设曲线方程
$y=exp(ax^2+bx+c)$

点

其中，待优化变量是为 $（a,b,c）$ ，这个图优化理论中用点来指代，在g2o中叫 $BaseVertex$ ，点包含了初始化以及根据梯度更新数值
方法名分别叫 $setToOriginImpl()$ 和 $oplusImpl()$

边

然后是每一个观测数据 $x_i,y_i$ 代表了一条边，这个在g2o里面用 $BaseUnaryEdge$ 来表示，或者叫一元边，这是因为本例题比较简单，只涉及一个顶点，然后这里的每一条边只连接了一个顶点，所以也叫一元图，画更好看点可能下面比较符合，
注意，每条边会有自己的函数实现关于误差计算，以及雅可比梯度计算
方法名分别叫 $computeError()$ 和 $linearizeOplus()$

image.png

在实际的slam问题中，通常一条边会连接多个顶点，这种图叫超图

6.g2o

点

边

推荐阅读更多精彩内容