SLAM中的舒尔补和边缘化

参考文章：https://blog.sciencenet.cn/blog-465130-1086221.html（侵删）
公式又丑又唱，核心作用就是这句话：

这个公式解决的是当矩阵A只有一个子块发生了更新——比如递归形式求解最小二乘问题时，正定对称矩阵A只有右下角的部分增加了一个对角形式的增量C——此时A的逆矩阵如何快速更新的问题。不需要计算逆矩B，D阵，真正需要计算逆矩阵的部分计算效率很高。

要估计的状态变量，通过以上方法来消除非线性优化过程中的状态量的方法，也称为边缘化(marginalization)。比如中包含的旧的相机状态量可以边缘化(marginalized out)，这样z2中只保留最近关键帧的状态和地图点可以减少求解的计算量[3]。

边缘化可以减小状态参数个数，而conditioning可以增加状态参数个数。边缘化使得原本稀疏的H矩阵变的稠密，原本不相关的观测量之间也建立了连接。在通常SLAM使用的滑窗方法中，相比直接丢弃早先的参数的方法，边缘化方能够保留新旧参数之间的关联。这部分可以参见概率机器人一书[4]和文章[5]。