weixin_48013375的博客

本章内容包含SLAM基础数学知识，包括旋转矩阵、李群、李代数等如需要进一步公式推导或更细致的内容，推荐阅读《视觉SLAM十四讲》第三讲和第四讲。

本章简单介绍Kalman Filter的原理以及运用，附带C++示例具体公式推导不会介绍，具体可参考《视觉SLAM十四讲》以及《概率机器人》相关篇幅本章节内容多参考《概率机器人》中的内容要滤除的是在二维平面的位置信息噪声，假设机器人沿着直线匀速运动那么设状态变量和观测变量为XxyvxvyTXxyvx​vy​TZxyZ=[x,y]Zxy那么显而易见的，状态方程为Xk110Δt0010Δt00100001Xk。

考虑到滤波与优化不分家，都是基于贝叶斯理论发展出来的，后续章节中必然会介绍因子图所以本章大致介绍如何从概率角度理解SLAM问题以及贝叶斯网络、因子图、Kalman Filter之间的关联。