视觉SLAM十四讲学习笔记——第六讲 非线性优化（1）

非线性优化算法在SLAM中主要解决的问题：如何在有噪声的数据中进行准确的状态估计。

1.最小二乘问题引出

        首先，将SLAM中的状态估计问题，从概率学的角度分析：已知输入数据u和观测数据z的条件下，求状态x,y的条件概率分布，由贝叶斯法则将条件概率分布表示为“后验概率=似然 * 先验概率”的形式：

        此时状态最优估计问题转化为了一个该状态下后验概率最大化（最大后验分布）问题：

         要最大化后验概率，也就是要最大化似然和先验概率的乘积，先验概率多数情况是很难知道的，因此只需要求最大似然估计：

        最大似然估计的核心思想是：概率最大的事件最有可能发生，在视觉SLAM中表现为：什么样的状态下，最可能产生现在观测到的数据。接下来是通过数学模型：假设噪声项符合零均值的正态分布，因此观测数据的条件概率也满足正态分布，并使用最小化负对数来求解一个高斯分布的最大似然。P123-124对上述过程有详细推导，这里不做赘述，最终得到一个最小二乘问题。至此SLAM中的状态估计问题的分析思路：