滤波和非线性优化算法的比较

这个问题在高翔博士的十四讲里有详细的阐述（P244），主要对比了EKF和非线性优化方法的差异，主要包括3个方面，这篇EKF算法与非线性优化算法的比较进行了概述
其中第二点提到，从k-1时刻到k时刻，EKF只在k-1时刻做了一次线性化，与之相对的，非线性优化是一个多次线性化的过程。然而非线性优化一次迭代，以高斯牛顿法为例，也是在当前计算值处进行一次线形化，如何理解所谓的多次线性化呢？
考虑SLAM系统，EKF的线性化过程是在k-1时刻状态的基础上利用观测得到了后验值，但非线性程度很高的情况下，我们并不确定这个步进是否是线性的，所以说不能确定该点的线性化近似在后验概率处仍然是有效的，而考虑非线性优化方法，会根据k-1时刻和k时刻的状态、观测构造一个目标函数（如重投影误差）然后使其最小化，这个最小化的过程是反复迭代直到满足中止条件为之的，每一步迭代都要在得到的状态值处重新线性化，因此是一个多次线性化、逐步逼近的过程