卡尔曼滤波五个公式_SLAM后端优化中卡尔曼滤波的直观通俗解释

点击上方“计算机视觉life”，选择“星标”

快速获得最新干货

本文由知乎 郑纯然 授权转载
原文链接：
https://zhuanlan.zhihu.com/p/146593826

先讨论滤波器的概念，滤波的意思是，让机器人在某个正确位置上对应的概率越高越好。也就是可以理解为：把错误位置上的概率滤低，把正确位置处的概率滤高。

假设一个机器人小R在如下场景中出现，他刚开始不知道自己在哪(小R还没看到他眼前的门)，因此他在这个场景中任何位置的概率是相等的。如果此时纵坐标为机器人小R在对应位置处的概率，横坐标表示各个位置，应该是一条均匀分布的直线。

突然，机器人看到了眼前这个门，这里假设机器人提前知道一共有三个门，因此小R现在知道自己可能在任意一个门前，即三个门分别对应着一个正态分布。此时的概率波形可以理解为先验概率。

小R继续向前走到第二个门前，他通过自己身上安装的里程计发现自己走了d个单位。

根据之前的概率分布，小R可以预测到，自己的位置应该向右平移了d个单位。那么可以将之前的概率分布向右平移d个单位，得到此时通过传感器得到的概率分布。此时的概率波形可以理解为似然概率。