EKF算法与非线性优化算法的比较

1. 首先第一个就是马尔科夫性,即k时刻的状态只和k - 1时刻的状态有关,就像视觉里程计中只考虑相邻两帧关系一样.而非线性优化方法更倾向于使用所有的历史记录.
2. EKF的非线性误差,EKF只在x_k-1处做了一次线性优化,根据这次线性化的效果直接计算出后验概率,也就是该点处的线性化近似在后验概率处仍然是有效的,而实际上,当离工作点较远时,一阶泰勒展开并不能近似整个函数,因为非线性.而在非线性优化中,对于每一次迭代都进行一次泰勒展开,而不是像EKF那样只固定在一点展开.
3. EKF要存储均值和协方差矩阵,协方差矩阵维数相当大,所以EKF不适合于大型的SLAM场景.

转载于:https://www.cnblogs.com/lihanwen/p/11343995.html