SLAM后端概述

（一）状态估计的概率解释

1、后端的概念

  前端视觉里程计只能通过邻近的几张图片估计短暂时间内的运动轨迹和路标，这种方式为“渐进的”(Incremental)。
  后端考虑一个更长时间内(或所有时间内)的状态估计问题,而且不仅使用过去的信息更新自己的状态,也会用未来的信息（即全局信息）来更新自己,这种处理方式为“批量的”(Batch)。

2、后端要解决的问题

（1）简单描述

   由于方程中的观测量都受受噪声影响,所以要把这里的位姿 x 和路标 y 看成服从某种概率分布（一般为高斯分布）的随机变量,而不是单独的一个数。一般由于x和y的这一特点在程序中只需要储存它们的均值（变量估计值）和协方差矩阵（度量这一估计的不确定性）。

图 1 不确定性的直观描述。左侧:只有运动方程时,由于下一个时刻的位姿是在上一个时刻基础上添加了噪声,所以不确定性越来越大。右侧:存在路标点(红色)时,不确定性会明显减小。

  因此后端要解决的问题就是：通过包含噪声的运动数据和观测数据,去估计状态量的高斯分布。在程序运
行期间,我们只要维护一个状态量,对它进行不断地迭代和更新即可。进一步,如果假设
状态量服从高斯分布,那我们只需考虑维护状态量的均值和协方差即可。

（2）数学表述

  上式为简