假设时刻可以离散化为[Math Processing Error] t 1 , ⋯ , K , 各时刻机器人的位置为[Math Processing Error] x → 1 , ⋯ , x → K , 路标为 [Math Processing Error] y → 1 , ⋯ , y → K .
SLAM的运动方程含义为从[Math Processing Error]
k
−
1
时刻到[Math Processing Error]
k
时刻,机器人的位置变化情况。数学上可表示为:
其中[Math Processing Error]
u
→
k
为传感器读数, [Math Processing Error]
w
→
k
为噪声。
观测方程含义为[Math Processing Error]
k
时刻,机器人于处探测到了某一个路标[Math Processing Error]
y
→
j
,产生一个观测数据[Math Processing Error]
z
→
k
,
j
:
[Math Processing Error]
z
→
k
,
j
=
h
(
y
→
j
,
x
→
k
,
v
→
k
,
j
)
其中[Math Processing Error]
v
→
k
,
j
为观测噪声。
这样slam过程可总结为两个方程:
[Math Processing Error]
{
x
→
k
=
f
(
x
→
k
−
1
,
u
→
k
,
w
→
k
)
z
→
k
,
j
=
h
(
y
→
j
,
x
→
k
,
v
→
k
,
j
)
上式表达了slam基本问题
:在知道运动测量的读数[Math Processing Error]
u
→
及传感器读数[Math Processing Error]
z
→
时,如何求解定位问题(估计[Math Processing Error]
x
→
)与建图问题(估计[Math Processing Error]
y
→
)