本文件是在windows系统下编译成功和使用的ceres优化库，编译环境为win7，64位，vs2012。

google的线性优化库ceres solver的vs编译工程，文件中已经包含了所有编译所需要的依赖库。 平台： windows7~10 VS10~15 解决方案中包含了：动态编译，静态编译，和相关使用demo的工程。

VS2019 +cmake完成ceres的编译，可直接使用

VS2015-Debug-x64 【属性管理器】->【Debug|x64】->【通用属性】->【VC++目录】->【包含目录】 E:\CeresSolver\CeresSolver\include E:\CeresSolver\CeresSolver\include\ceres E:\CeresSolver\CeresSolver\include\Eigen E:\CeresSolver\CeresSolver\include\gflags E:\CeresSolver\CeresSolver\include\glog 【属性管理器】->【Debug|x64】->【通用属性】->【VC++目录】->【库目录】 E:\CeresSolver\CeresSolver\lib 【属性管理器】->【Debug|x64】->【链接器】->【输入】->【附加依赖项】 ceres-debug.lib libgflags-debug.lib libglog.lib libglog_static.lib 最后将lib中的libgflags-debug.dll和libglog.dl放在x64\Debug里

ceres-solver-399cda773035d99eaf1f4a129a666b3c4df9d1b1.tar.gz

最新最小二乘非线性优化库，实测可用，兼容vs2013 ，Maximum likelihood estimation (MLE) is a well-known estimation method used in many robotic and computer vision applications. Under Gaussian assumption, the MLE converts to a nonlinear least squares (NLS) problem. Efficient solutions to NLS exist and they are based on iteratively solving sparse linear systems until convergence.

姿势图优化 使用Ceres Solver进行2D姿态图优化的示例代码。 依存关系 本征3.3或更高版本 Ceres Solver 1.12.0或更高版本 Gflags 2.2.0或更高版本 带有matplotlib的Python 建造 $ git clone https://github.com/shinsumicco/pose-graph-optimization.git $ cd pose-graph-optimization $ mkdir build $ cd build $ cmake .. $ make -j4 优化 $ cd pose-graph-optimization/build $ bin/se2_optimize --filename ../sample/manhattan.g2o Number of poses: 3500 Number of constraints

ceres solver库+ceres solver的使用

https://ceres-solver.googlesource.com/ceres-solver.git ， version 1.13.0

ceres库已通过编译和配置（VS2019+win10）debug版（不包括release版）