最近在学习lsd slam,在depth estimation中,需要用到bayesian estimation, 假设分布为:
yn=N(Θ,σ2)
y
n
=
N
(
Θ
,
σ
2
)
. 其中
Θ
Θ
为待估计待量,
σ
σ
是已知的。在这种情况下,我们假设我们拥有一个conjugate prior
p(Θ)∝exp(−12σ2(Θ−μ2))
p
(
Θ
)
∝
e
x
p
(
−
1
2
σ
2
(
Θ
−
μ
2
)
)
,即
Θ∝N(μ,σ2)
Θ
∝
N
(
μ
,
σ
2
)
下一步,我们需要计算likelihood
上述表达式是对连续正态分布的计算公式,取一个很小的 Δ Δ 计算出likelihood。对上式进行近似可得
由bayes估计可知:
P(Θ|D)∝P(D|Theta)∗P(Θ) P ( Θ | D ) ∝ P ( D | T h e t a ) ∗ P ( Θ ) ,其中 P(Θ|D)∝∐ni=1exp(−12σ2(yi−Θ)2)P(Θ) P ( Θ | D ) ∝ ∐ i = 1 n e x p ( − 1 2 σ 2 ( y i − Θ ) 2 ) P ( Θ ) ,即
P(Θ|D)∝exp(∑ni=1−12σ2(yi−Θ)2)P(Θ) P ( Θ | D ) ∝ e x p ( ∑ i = 1 n − 1 2 σ 2 ( y i − Θ ) 2 ) P ( Θ ) ,对于这里,有一个小的tricky,即可将前面的表达式表达为: P(Θ|D)∝exp(∑ni=1−12σ2(yi−y¯+y¯−Θ)2)P(Θ) P ( Θ | D ) ∝ e x p ( ∑ i = 1 n − 1 2 σ 2 ( y i − y ¯ + y ¯ − Θ ) 2 ) P ( Θ ) ,化简得:
对于第三项sum之后为0,对于第一项化简可得:
因此我们可得:
对上式取对数,并对 Θ Θ 求偏导数,懒得敲公式了,直接给出所有最后的结果: