Cartographer主要理论是通过闭环检测来消除构图过程中产生的累积误差[1]。用于闭环检测的基本单元是submap。一个submap是由一定数量的laser scan构成。将一个laser scan插入其对应的submap时，会基于submap已有的laser scan及其它传感器数据估计其在该submap中的最佳位置。submap的创建在短时间内的误差累积被认为是足够小的。然而随着时间推移，越来越多的submap被创建后，submap间的误差累积则会越来越大。因此需要通过闭环检测适当的优化这些submap的位姿进而消除这些累积误差，这就将问题转化成一个位姿优化问题。当一个submap的构建完成时，也就是不会再有新的laser scan插入到该submap时，该submap就会加入到闭环检测中。闭环检测会考虑所有的已完成创建的submap。当一个新的laser scan加入到地图中时，如果该laser scan的估计位姿与地图中某个submap的某个laser scan的位姿比较接近的话，那么通过某种 scan match策略就会找到该闭环。Cartographer中的scan match策略通过在新加入地图的laser scan的估计位姿附近取一个窗口，进而在该窗口内寻找该laser scan的一个可能的匹配，如果找到了一个足够好的匹配，则会将该匹配的闭环约束加入到位姿优化问题中。Cartographer的重点内容就是融合多传感器数据的局部submap创建以及用于闭环检测的scan match策略的实现。

数据融合matlab代码发行说明 View-Graph SLAM的MATLAB和C ++实现 这是非线性最小二乘估计与多视图姿势图SLAM之间的可靠混合。 如果同时适用于立体和单眼设置，则此实现。 如果您打算使用此实现，请引用我们的论文： T. Abuhashim和L. Natale，“透视图SLAM中的鲁棒性”，2016年第19届信息融合国际会议（FUSION），海德堡，2016年，第942-949页。 网址： 版权所有（C）2016 iCub设施-意大利技术中心 作者：Nicolo Genesio的Tariq Abuhashim 电子邮件：， 上次更新时间：2016年11月 致谢：这项研究已根据第611909号资助协议（KoroiBot）从欧盟第七框架计划的研究，技术开发和示范项目中获得资助。 许可证：根据LGPLv2.1或更高版本的条款发布，请参阅LGPL.TXT 安装C ++实现 此实现已在Ubuntu Trusty Tahr（14.04.5 LTS）和Kylin（16.04.1 LTS）上进行了测试。 安装所有必需的工具： sudo apt-get install git s

g2o实践GraphSLAM_tutorials_code代码编译报错问题修改后编译通过版本

《The GraphSLAM algorithm with applications to large-scale mapping of urban structures》