【视觉SLAM十四讲】第十、十一讲 后端

滤波器后端

当我们蒙着眼走路时： 一开始我们知道自己在哪 能粗略估计每步的距离，但不确定。不确定性随时间累积，导致自身的位置不确定性越来越大

某个时刻睁开眼睛时：能够观测到周围，尽管也有不确定性，但比估计步长小很多，能够将不确定性保持在一定范围内

 t = 0 … N 时间内，机器人的位姿为：，同时有路标

 运动和观测方程记为：  

注意：运动和观测都受噪声影响；可以没有运动方程（纯视觉SLAM） 我们从贝叶斯滤波器方法来推导卡尔曼滤波

用随机变量表示状态，估计其概率分布

k 时刻所有待估计的量组成k时刻状态：

k 时刻观测统一记成：  

方程简化为：

根据过去0时刻到k时刻的数据，估计当前的状态：

Bayes展开：

先验部分按条件概率展开：

注意先验部分的组成：

分歧： 可以假设k时刻状态只和k-1时刻有关（假设了一阶马尔可夫性） 或假设k时刻状态与先前所有时刻均有关（不假设马尔可夫性）

假设一