以下是一些基于CERES优化的开源激光雷达SLAM或相关算法：
(1) LOAM (Lidar Odometry And Mapping)

简介: LOAM是一种经典的激光雷达里程计和建图算法，它通过提取特征点（角点和平面点），利用ICP（Iterative Closest Point）算法进行位姿估计，部分实现可能基于CERES进行优化。
开源链接: LOAM
CERES应用:
    在LOAM的增强版本中（例如ALOAM或改进的LOAM），CERES被用于优化位姿估计，解决非线性误差累计问题。

(2) LIO-SAM (Lidar Inertial Odometry and SLAM)

简介: LIO-SAM是一个紧耦合的激光雷达与IMU融合的SLAM框架。它使用因子图（Factor Graph）来建模并优化位姿轨迹，其中CERES是因子图优化器的核心。
开源链接: LIO-SAM
CERES应用:
    通过因子图优化激光雷达和IMU之间的耦合误差和轨迹。

(3) Cartographer

简介: Cartographer是Google开源的一种2D/3D激光雷达SLAM算法，虽然它默认使用Ceres作为优化引擎，但也支持GTSAM。
开源链接: Cartographer
CERES应用:
    用于后端优化轨迹，通过非线性误差模型来调整位姿。

(4) LeGO-LOAM

简介: LeGO-LOAM是一种轻量化的LOAM算法，专为地形环境（Ground Optimized）设计，对计算资源要求较低，适合嵌入式平台。
开源链接: LeGO-LOAM
CERES应用:
    后端优化模块，可以结合CERES来进一步提高位姿估计的准确性。

3d激光雷达开源算法: cartographer，loam系（lego-loam，a-loam，f-loam，v-loam，lio-sam，lvi-sam，lio-mapping，fast-lio，LINS，Balm），hdl-graph-slam