一起动手做RGB-d 6代码bug_linearsolver->setblockordering(false);-优快云博客

本文链接：https://blog.youkuaiyun.com/qq_34122731/article/details/90237605

本文详细介绍了在实现RGB-D SLAM过程中，如何选择和配置优化算法，特别是针对g2o库的使用。通过调整优化方法、求解器及迭代策略，如使用Levenberg-Marquardt算法，实现了更高效的图优化过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考文献https://blog.youkuaiyun.com/pangzilu520/article/details/81087577
复现高博一起动手做RGB-d第六部分时，g2o部分代码

 	// 选择优化方法
    typedef g2o::BlockSolver_6_3 SlamBlockSolver; 
    typedef g2o::LinearSolverCSparse<SlamBlockSolver::PoseMatrixType> SlamLinearSolver; 

    // 初始化求解器
    SlamLinearSolver* linearSolver = new SlamLinearSolver();
    linearSolver->setBlockOrdering( false );
	//选择一个Blocksolver,6*3的参数
    SlamBlockSolver* blockSolver = new SlamBlockSolver(linearSolver);
	//选择一个迭代策略，LM下降
    g2o::OptimizationAlgorithmLevenberg* solver = new g2o::OptimizationAlgorithmLevenberg( blockSolver );

由于版本更新，构建bolck_solver的函数原型如下

g2o::BlockSolver< Traits >::BlockSolver 	( 	SparseOptimizer *  	optimizer,
		LinearSolverType *  	linearSolver 
	)

因此源代码中构建调解器的方法不可行，参考了第一行的文献，把这部分源代码改为

// 构造g2o中的图
    // 先构造求解器
    g2o::SparseOptimizer    optimizer;
    // 使用Cholmod中的线性方程求解器
        //g2o::BlockSolver_6_3::LinearSolverType* linearSolver = new  g2o::LinearSolverCholmod<g2o::BlockSolver_6_3::PoseMatrixType> ();
    std::unique_ptr<g2o::BlockSolver_6_3::LinearSolverType> linearSolver = g2o::make_unique<g2o::LinearSolverCSparse<g2o::BlockSolver_6_3::PoseMatrixType>>();
    // 6*3 的参数
   std::unique_ptr <g2o::BlockSolver_6_3> block_solver ( new g2o::BlockSolver_6_3( std::move(linearSolver)) );
    // L-M 下降 
    g2o::OptimizationAlgorithmLevenberg* solver = new g2o::OptimizationAlgorithmLevenberg( std::move(block_solver) );

就可以了，虽然还是没搞清楚，不过还是要pass，求生欲还是要有的