在Orb-Slam中有三個地圖分別是Covisibility Graph，Spanning Graph，以及Essential Graph，它們三個分別是什么意思呢？
首先，圖優化是目前視覺SLAM里主流的優化方式。其思想是把一個優化問題表達成圖（Graph），以便我們理解、觀察。如果題主想更清楚地認識圖優化與SLAM的關系，可以參見
一個圖中有很多頂點，以及連接各頂點的邊。當它們表示一個優化問題時，頂點是待優化的變量，而邊是指誤差項。我們把各個邊的誤差加到一起，就得到了整個優化問題的誤差函數。
頂點的參數化形式可以有很多不同的樣子。例如某些頂點可以表示相機的Pose，另一些頂點可以表示三維空間點。同理，邊也有不同的形式。除了個別的頂點和邊，我們也關心整個圖的結構，例如連通性等。
一個不太恰當的例子（圖來自FrameSLAM: From Bundle Adjustment to Real-Time Visual Mapping）。圖中紅色點可看成關鍵幀相機Pose，青色點表示空間點，藍色和紅色邊表示Pose-Pose的邊，而黃色邊表示Pose-Point的邊。（雖然這可能不是原圖的意思，但我希望通過這個圖可以幫助題主理解。）
你問題當中的Covisibility Graph, Essential Graph，都是不同圖的形式。Spanning graph理解成生成樹更好一些。
如果我們考慮所有的相機 Pose 和所有點的空間位置，構造出的圖將會非常復雜，而難以直接進行實時優化。因此，通常我們會構建一些帶有特殊結構的圖，以滿足實時性的需要。
最簡單的是Pose Graph。如果我們對特征點的空間位置並不關心，就可以構建只帶有Pose結點，以及Pose-Pose邊這樣的圖。由於一個照片中常常有上千個特征點，這樣做可以節省許多計算量。
Covisilibilty Graph 的頂點是相機的Pose，而邊是Pose-Pose的變換關系——所以也算是Pose Graph 一種吧。當兩個相機看到相似的空間點時，它們對應的Pose就會產生聯系（我們就可以根據這些空間點在照片上的投影計算兩個相機間的運動）。根據觀測到的空間點的數量，給這個邊加上一個權值，度量這個邊的可信程度。
Essential Graph 比Covisibility Graph更為簡單，ORB-SLAM主要用它來進行全局優化。為了限制優化的規模，ORB-SLAM試圖盡量減少優化邊的數量。而盡量減少邊，又保持連通性的方法，就是做一個最小生成樹。
Covisibility 是一直在用的概念，而Essential Graph是orbslam自己提出的概念，為了減小全局回環的計算量。當你自己實現SLAM時，也會碰到這些困難，並設計一些應對的策略，這些就是你的創新性。事實上，隨着SLAM時間的增長，如何控制圖的結構和優化的規模，仍是現在SLAM有待解決的一個問題。
我的理解：
頂點：相機的 pose
邊：pose 和 pose 間的位置關系
權值：邊的可信度（每條邊都有自己的權值）
頂點：相機的 pose
邊：pose 和 pose 間的位置關系
權值：邊的可信度（每條邊都有自己的權值）
是對 covisibility graph 的優化（邊最少、置信值高、保持連通性）