视觉SLAM笔记二之非线性优化:状态估计+非线性最小二乘

本文探讨了视觉SLAM中的状态估计问题,包括最大后验与最大似然估计,并详细阐述了非线性最小二乘法,如一阶和二阶梯度法、Gauss-Newton以及Levenberg-Marquadt算法的应用。内容中未提供具体代码实现。
摘要由CSDN通过智能技术生成

1.状态估计问题

1.最大后验与最大似然

经典的SLAM模型由一个状态方程和一个运动方程构成,如下:
在这里插入图片描述
在这里插入图片描述
在这些噪声的影响下,我们希望通过带噪声的数据z和u,推断位姿x和地图y(以及他们的概率分布),这构成了 一个状态估计问题。
在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

明月醉窗台

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值