xiaoyaolangwj的博客

我从b站上学习理解的这个概念。视频的大概位置是1个小时以后，在第75min到80min之间。图优化SLAM是怎么一回事。slam本身是有的，也就是方程，也就是。通过t1时刻，可以递推预测t2时刻的重点来了：我通过这个预测的t2时刻的位置，可以预测出，在t1时刻所建地图中特征在t2时刻的位置。t1时刻的位置有了，观测的特征有了。对t2时刻的位置可以通过运动方程递推出来。那么我就可以基于对t2时刻位姿的估计，基于这个视角，出此时在t1时刻时地图中那些特征点，在t2时刻时，在地图中的位置。

小白：前面你介绍了g2o中边的基本类型、重要的成员变量和成员函数，那么如果我们要定义边的话，具体如何编程呢？public:myEdge(){}// ...// .../*...*/private:// data我们可以发现，最重要的就是()，()两个函数了小白：嗯，看起来好像也不难啊师兄：我们先来看一个简单例子，地址在这个是个一元边，主要是定义误差函数了，如下所示，你可以发现这个例子基本就是上面例子的一丢丢扩展，是不是感觉so easy？

小白：师兄，我们是不是可以开始写顶点定义了？师兄：嗯，我们知道了顶点的基本类型是 BaseVertex，那么下一步关心的就是如何使用了，因为在不同的应用场景（二维空间，三维空间），有不同的待优化变量（位姿，空间点），还涉及不同的优化类型（李代数位姿、李群位姿）小白：这么多啊，那要自己根据 BaseVertex 一个个实现吗？师兄：那不需要！小白：好全啊，我们可以直接用啦！师兄：当然我们可以直接用这些，但是有时候我们需要的顶点类型这里面没有，就得自己定义了。

BlockSolver 内部包含 LinearSolver，用上面我们定义的线性求解器LinearSolver来初始化。g2og2ocore你点进去会发现 BlockSolver有两种定义方式一种是指定的固定变量的solver，我们来看一下定义其中p代表pose的维度（注意一定是流形manifold下的最小表示），l表示landmark的维度另一种是可变尺寸的solver，定义如下小白：为何会有可变尺寸的solver呢？

1、slam发散的原因？2、如何解决/限制发散？3、如何在已经有观察值和预测值的ESKF中，再引入一个其他其他观察量？

呕心沥血，理解整理ESKF

常用六轴IMU是由和两部分组成。安装要尽量保证IMU的安装位置在车辆中心。避免由IMU与载体系不重合引来的问题。

在正式讨论卡尔曼滤波前，我们先讨论对。我们会发现是和卡尔曼滤波紧密相关的。我们知道，如果需要对自然界的某个物理量，比如温度，气压，速度等进行测量，我们需要用各种传感器进行测量。但是，因为器件的工艺不可能达到完美，或者其他不能被人为预测到或者控制到的因素和噪声等存在，传感器对物理量的预测。因此，我们，不如把它看成是一个其均值和方差分别为μσ2，既是v∼Pμσ2，，这两个描述了。μσ2（暂且假设传感器的测量均值是和真实值无偏的。

转载来源：卡尔曼滤波：从入门到精通考虑一个SLAM 问题，它由一个运动方程：xt=f(xt−1,ut)+ωt(1)\mathbf{x}_{t}=f(\mathbf{x}_{t-1},\mathbf{u}_{t}) + \omega_t \tag 1xt​=f(xt−1​,ut​)+ωt​(1)和一个观测方程组成：zt,j=h(yj,xt)+vt,j(2)\mathbf{z}_{t,j} = h( \mathbf{y}_{j},\mathbf{x}_{t} ) + v_{t,j} \tag 2z

卡尔曼滤波器公式理解

卡尔曼滤波器

还是那句话：高斯牛顿法是对：最小二乘法展开的是后面的函数部分。将f(x)一阶泰勒展开（一阶就要带雅可比矩阵）。这个自变量增量都是可求的。因此为了简化有了下面的高斯牛顿法。不过只适用于最小二乘法。最小二乘法展开的是后面的函数部分。将f(x)一阶泰勒展开（一阶就要带雅可比矩阵）。通过使用不含有二阶导数的矩阵U代替牛顿法中的H，根据矩阵U构造的不同，具有不同的拟牛顿法。所以为了使增量的更加稳定可靠，对其做了限制，增加了置信域。无论一阶泰勒展开，还是二阶泰勒展开都是关于增量。缺点：雅可比矩阵有时是。

雅可比矩阵加微分方程：一阶泰勒展开近似表示。如果一篇介绍这个概念的文章读不懂，那就多搜几篇，总有一篇符合你的胃口，直到弄懂为止。雅可比矩阵配合微分方程：完成了对逼近局部值的一阶泰勒展开的近似。为何要局部近似？因为这种多元向量值函数是一种隐函数，我们没法描述他的具体函数。只好做线性近似。是一种无奈之举。但是只要足够逼近，那么就足够精确。可微的意义：如果陡变，这种近似没有意义，不成立。所以这就是可微可导的实际物理意义。或者说几何意义。可以用雅可比矩阵刻画一个多元向量值函数的局部，从而简化分析。

按照作者在读者寄语中的说法：我们得榨干这本书的知识。

流形