对于一个slam系统,我们可以得到motion function 和 estimation function,如下所示:
{
xk=f(xk−1,μk)+wkzk,j=h(yj,xk)+vk,j { x k = f ( x k − 1 , μ k ) + w k z k , j = h ( y j , x k ) + v k , j
对于位姿变量 xk x k ,我们可以用 Tk T k 或 eξ̂ e ξ ^ 表示. yj y j 表示第j个landmark。由相机的针孔成像模型可知,观测模型可以表示为:
szk,j=Keξ̂ yj s z k , j = K e ξ ^ y j
其中 K K 为相机内参, 为像素点的距离, zk,j z k , j 和 yj y j 都需要用齐次坐标表示。在运动和观测方程中,假设噪声为0均值的高斯分布。
我们的目的是通过带噪声的数据来求求得位姿和地图的最优估计值,可以用非线性优化来解决这一问题。在非线性优化中,把所有估计的变量放在一个“状态变量“中:
x={
x1,...,xN,y1,...,yM} x =