g2o（General Graphic Optimization）是一种基于图优化的通用C++框架，专门用于求解非线性最小二乘问题。它将复杂的优化问题建模为图结构，其中顶点代表待优化的变量（如机器人的位姿），边代表约束条件（如传感器观测数据）。通过稀疏矩阵运算和高效的求解算法，g2o能够快速处理大规模SLAM（同时定位与建图）、Bundle Adjustment等典型计算机视觉与机器人学问题。
在自动驾驶领域，g2o常被用于多传感器融合与位姿优化。例如激光雷达点云匹配时，可将连续帧间的变换关系建模为图优化问题；在视觉惯性里程计（VIO）系统中，g2o能有效融合IMU数据与相机观测。相较于传统滤波方法，g2o通过批量优化能获得更全局一致的轨迹估计，这对高精度地图构建和定位至关重要。需要注意的是，实时性要求高的场景可能需要对优化频率和规模进行权衡。