SLAM数学问题引出
SLAM模型为 运动方程、 观测方程组成的方程组，误差服从高斯分布。
对机器状态的估计：已知输入u（运动测量读数）、观测z（传感器读数），求状态x（机器人位姿）、y（路标位置），从概率论的角度为 P(x,y|z,u),根据贝叶斯法则，其值正比于P(z,u|x,y)*P(x,y)；
求x,y即为
求使P(x,y|z,u)最大的x，y值，此为 最大后验估计（MAP，Maximum a Posterior Estimation）
忽略P(x,y)，即为
求使P(z,u|x,y)最大的x,y值，此为 最大似然估计
由于误差服从高斯分布，该最大似然估计问题由 最小二乘问题求解
要解决最小二乘问题，则有非线性优化方法，如 一阶、二阶梯度下降法、高斯牛顿法、列文伯格-马夸尔特法。
而所有非线性优化的迭代求解方案，都在求解 局部最优值，依赖良好的初始值，
初始值则有ICP、PnP提供初始值
6602
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
