g2o不同线性方程求解器（LinearSolver）的区别

最新推荐文章于 2024-06-26 09:31:50 发布

chamomoe

最新推荐文章于 2024-06-26 09:31:50 发布

阅读量3.5k

点赞数 6

CC 4.0 BY-SA版权

本文链接：https://blog.csdn.net/ziliwangmoe/article/details/89399540

本文深入探讨了g2o优化器如何将SLAM问题转化为线性方程组求解，详细介绍了Dense、LinearSolverEigen、CSparse、Cholmod和PCG五种求解方法，特别指出在SLAM应用中，由于问题的稀疏性，通常选择除Dense之外的方法，并推荐使用LinearSolverEigen。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

g2o最终会把优化问题变换成一个Ax=b的线性方程组求解问题。

求解线性方程组有很多方法，也有很多实现库。g2o提供了几个选择：

Dense：LinearSolverDense
Eigen：LinearSolverEigen
CSparse：LinearSolverCSparse
Cholmod：LinearSolverCholmod
PCG：LinearSolverPCG

具体指定用哪一个是在初始化优化器的时候确定的。

g2o::SparseOptimizer optimizer;
g2o::OptimizationAlgorithmLevenberg* solver = new g2o::OptimizationAlgorithmLevenberg(g2o::make_unique<g2o::BlockSolverX>(g2o::make_unique<g2o::LinearSolverEigen<g2o::BlockSolverX::PoseMatrixType>>()));
optimizer.setAlgorithm(solver);

这四种方法中，除Dense外都是稀疏求解，因为SLAM的优化问题一般都具有稀疏性，所以一般不用Dense方法。另外因为CSparse和Cholmod是特殊的三方库（有版权问题，而且很多平台支持不太好），所以正常情况下就用LinearSolverEigen就行了。

作者在LinearSolverEigen的头文件里面也说了，效果应该和CSparse相似