本文深入探讨SLAM中的Extended Kalman Filter（EKF），它是SLAM早期常用的方法，虽然现代SLAM技术已发展，但理解EKF仍很重要。EKF通过线性化非线性模型，保持在高斯分布假设下的滤波效果，适用于处理机器人定位与地图构建中的非线性问题。
这是SLAM最传统的基础，是SLAM最原始的方法，虽然现在使用较少，但是还是有必要了解。
What’s Kalman Filter
这是一个贝叶斯滤波器，估计线性高斯模型，是对线性模型和高斯分布的优化方法。
高斯分布
首先，回顾一下高斯分布：
高斯分布的一些性质：
如果原变量为高斯分布，则边缘化和条件概率仍然满足高斯分布。
边缘分布和条件分布的模型：
卡尔曼滤波器的主要参数
卡尔曼滤波器假设x（paths）, z（observations）都为线性高斯的：
主要参数：
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
