SLAM知识点总结（持续更新~欢迎收藏~干货满满）

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

5.1 牛顿法与拟牛顿法学习笔记（一）牛顿法

5.2 Gauss-Newton算法学习

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）

9.李群 李代数

1 .Computing Jacobian, why error state?——优化中为何对误差状态求导