gmaping原理及代码解析（二）

之前记录着就忘记录了，现在补上，欢迎大家一起交流啊~

（二）gmapping原理解析

---

A、先验知识

• 条件概率公式：

上图中红色为A事件，蓝色为B时间，紫色为A、B事件同时发生的概率，P(A|B)表示B发生的条件下A发生的概率：

 

• 全概率公式：

如上图，对于样本空间A，由A1...A7个事件组成，且A1...A7事件两两互斥，即任意两个事件的交集为空集；则对于任意事件B有：

对于离散域和连续域的全概率公式如下：

举例：小明要去上班，有三条路，选择每条路的概率为P(L1)=0.5，P(L2)=0.3，P(L3)=0,2=0.2;每条路不会堵车的概率P(C1)=0.2，P(C2)=0.4，P(C3)=0.7，问小明上班不会堵车的概率?

解：不堵车的事件为C；样本空间为L1，L2，L3；题目的P(C1)=P(C|L1)，P(C2)=P(C|L2)，P(C3)=P(C|L3)

所以：P(C)=P(L1)*P(C|L1)+P(L2)=P(C|L2)+P(L3)*P(C|L3)=0.36

• 贝叶斯公式：

贝叶斯公式其实是由条件概率和全概率公式可以推导出来的，全概率公式是求B事件在A样本空间的概率，而贝叶斯就是已经知道A事件发生了，求样本空间中Ai事件发生的概率，如下图：

公式如下&#x