《视觉SLAM十四讲》学习笔记-slam问题的数学描述

假设时刻可以离散化为$t_1, \cdots, K$， 各时刻机器人的位置为$\vec{x}_1, \cdots, \vec{x}_K$, 路标为 $\vec{y}_1, \cdots, \vec{y}_K$.

SLAM的运动方程含义为从$k-1$时刻到$k$时刻，机器人的位置变化情况。数学上可表示为：
$$\vec{x}_k = f(\vec{x}_{k-1}, \vec{u}_k, \vec{w}_k)$$
其中$\vec{u}_k$为传感器读数， $\vec{w}_k$为噪声。

观测方程含义为$k$时刻，机器人于$\vec{x}_k$处探测到了某一个路标$\vec{y}_j$,产生一个观测数据$\vec{z}_{k,j}$:
$$\vec{z}_{k,j} = h(\vec{y}_j, \vec{x}_k, \vec{v}_{k, j})$$
其中$\vec{v}_{k, j}$为观测噪声。
这样slam过程可总结为两个方程：
$$\begin{cases} \vec{x}_k = f(\vec{x}_{k-1}, \vec{u}_k, \vec{w}_k)\\ \vec{z}_{k,j} = h(\vec{y}_j, \vec{x}_k, \vec{v}_{k, j}) \end{cases}$$
上式表达了slam基本问题：在知道运动测量的读数$\vec{u}$及传感器读数$\vec{z}$时，如何求解定位问题(估计$\vec{x}$)与建图问题(估计$\vec{y}$)