其中 Ceres 资料最完善也相对稳定，是谷歌的非线性优化库，Google Cartographer 就是调用了该库。
http://www.ceres-solver.org/tutorial.html 既可以作为 Ceres 的学习材料，也可以作为非线性优化的
学习材料。
Gtsam 的学习可以观看深蓝的公开课：http://www.shenlanxueyuan.com/open/course/28
或者泡泡机器人的公开课：https://www.sohu.com/a/133646392_715754
视频链接: https://pan.baidu.com/s/1b5T79k 密码: xcbe
另外有一本书讲述 Gtsam 底层因子图的原理：《机器人感知：因子图在 SLAM 中的应用》。书比较难，
感兴趣同学可以阅读一下。
g2o : A General Framework for Graph Optimization 为 g2o 的论文。
https://blog.csdn.net/zyh821351004/article/details/46521319 这篇博客对学习 g2o 与 graph
slam 比较有帮助。
原文：https://www.cnblogs.com/long5683/p/13214823.html