视觉SLAM十四讲——第十讲：后端1

@ 《视觉SLAM十四讲》知识点与习题

《视觉SLAM十四讲》第十讲知识点整理+习题

正在学习SLAM相关知识，将一些关键点及时记录下来。

知识点整理

本讲主要是针对长时间内最优轨迹和地图的优化，减小累积误差对长时间运动带来的影响

1. 批量的处理方式：考虑在很长一段时间内的状态估计问题，而且不仅使用过去的信息更新自己的状态，也会用未来的信息来更新自己
2. 渐进的处理方式：当前状态只由过去的时刻决定，甚至只由前一时刻决定
3. 当没有运动方程时的处理方式：认为确实没有运动方程，或假设相机不动，或假设相机匀速运动。此时非常类似于SfM（即通过一组图像来恢复运动和结构，但是SfM中允许使用完全无关的图像），SLAM中的图像有时间上的先后顺序
4. 由于每个方程都受噪声的影响，所以把位姿x和路标y看成服从某种概率分布的随机变量，会随着运动和观测数据的到来进行更新
5. 当将状态量和噪声项以高斯分布来模拟时，均值可看作是对变量最优值的估计，而协方差矩阵则度量了它的不确定性
6. 对状态进行估计，可以得到当前状态的估计=似然*先验，其中似然由观测方程给定，先验表示当前状态是基于过去所有的状态估计得到的。当前状态估计至少会受到前一时刻状态的影响，所以，对此引出两种不同的方法
   1. 马尔科夫性：即认为当前时刻状态仅与前一时刻状态有关，与之前时刻的状态无关。此时就可以得到以扩展卡尔曼滤波为代表的滤波器方法
   2. 当前时刻与之前所有状态都有关：非线性优化方法
7. 线性系统的最优无偏估计——卡尔曼滤波：做的工作是“如何把k-1时刻的状态分布推导至k时刻”，即只需要维护一个状态量，对它不断的进行迭代和更新即可。根据贝叶斯定律可以得到下述等式，前一项表示似然函数，后一