slam中的卡尔曼滤波的推到及应用

参考：http://blog.csdn.net/heyijia0327/article/details/17487467

卡尔曼的核心思想是预测+测量反馈，卡尔曼滤波主要是用在估计线性系统的状态过程，以最小均方差为目的推导出的几个数学推导公式。

从概率论贝叶斯模型的观点来看前面预测的结果就是先验，测量出的结果就是后验

几个概念：

均方差：误差的平方的期望值，（误差就是每个估计值与真实值的差），也就是多个样本的时候，均方差等于每个样本的误差平方再乘以该样本出现的概率的和

方差：方差是描述随机变量的离散程度，是变量离期望值的距离.最小均方差估计就是指估计参数时要使得估计出来的模型和真实值之间的误差平方期望值最小

协方差：协方差矩阵的主对角线就是方差，反对角线上的就是两个变量的协方差矩阵，协方差越大，两个变量之间的联系越大。