SLAM学习笔记2:SLAM的数学表述

本文详细介绍了SLAM(Simultaneous Localization And Mapping)问题的数学表述,包括运动方程和观测方程,阐述了如何通过带有噪声的测量数据估计内部状态。讨论了线性高斯系统下卡尔曼滤波器的应用,以及非线性高斯系统中的扩展卡尔曼滤波和非线性优化方法。并提出了一些后续深入研究的问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.SLAM问题:

        在了解了SLAM中各个模块的组成和主要功能后,我们将上升到理性层次,用数学语言来描述SLAM过程。

        现在假设由无人车搭载传感器。对于传感器来说,虽然它的运动是时间连续的,但它却是在某些时刻采集数据的,这就把一段连续时间的运动变成了离散时刻t=1,2,...,k中发生的事情。传感器在这些时刻的位置记为x1,x2,...,xk,它们构成了传感器的轨迹。传感器会在每个时刻测量到一部分路标点,得到它们的观测数据,假设有n个路标点,用y1,y2,...,yn表示。

        这样,无人车的运动就可以用两件事来描述:

(1)运动:运动过程中,位置x是怎样变化的?

(2)观测:在k时刻,于xk处探测到路标点yj,如何描述这件事?

2.运动方程:

        首先解决“运动”这件事的描述。通常无人车(或者机器人)会携带一个测量自身运动的传感器(例如码盘或者惯性传感器),这个传感器可以测量有关运动的参数(如位置差,加速度,角速度等),我们可以通过一个通用的、抽象的数学模型说明此事:

说明:

(1&#x

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
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