SLAM知识点
1.卡尔曼滤波
(1) 卡尔曼滤波 – 从推导到应用(一) 这是视觉slam大佬写的,可以多看看他的专栏
(2) SLAM14讲学习笔记(六)后端(最难一章:卡尔曼滤波器推导、理解以及扩展) 这位博主讲十四将每章节透彻分析------他的专栏目录
(3)B站卡尔曼滤波讲解
(还没有看具体看代码的时候,深入理解)
(4)状态估计第三讲:非线性高斯系统的状态估计问题
状态估计-------神书。 建议别直接看书容易怀疑自己 ,多看看博客
时隔一个月再更新,这本书确实好,不看真的是个遗憾。
2.舒尔补与边缘化
2.1 舒尔补在Slam中的应用
这个算是终极解释,里面有两个链接特别重要
2.2 SLAM中边缘化与一致性
包括边缘化后的先验分布、 窗口滑动、图的优化
2.3 VINS-Mono(三)——滑动窗口优化
窗口滑动之边缘化
2.4 高博士在知乎的回答
2.5 hessian矩阵_边缘化中矩阵运算的一点细节
这个讲的比第一个链接中巧克力那个博主讲的细。
2.6 VINS-MONO边缘化策略
看完之后悟了?
3.最小二乘法和极大似然估计之间的关系
3.1 最大似然估计和最小二乘估计的区别与联系
数学原理推导、另外B站白板推导,已经做过相关笔记和该博类似
3.2 SLAM中最小二乘优化 、BA最小二乘本质、最小二乘和概率的关系
4.多元高斯分布及其条件分布与边缘分布的相关公式
4.1 多元高斯分布数学推导
包括独立同分布推导、去相关性
4.2 多元高斯分布中条件分布与边缘分布的相关公式
该推导 再机器学习白板推到中有做笔记 (这个推导方式还没有看)
5.非线性优化
6.各种矩阵分解
6.1 几种矩阵分解算法: LU分解,Cholesky分解,QR分解,SVD分解,Jordan分解
7.VINS-Mono
1.VINS-Mono 代码解析四、闭环检测和优化 (偏程序)
8.位姿图优化
1 . 位姿图(Pose Graph)优化
2. SLAM后端:位姿图优化(Pose Graph)