SLAM中为什么总要和概率扯上关系

第一种方案是最大化P(obs|state)。

• 先把误差用状态表示出来，因为误差是一个已知的正太随机变量。于是可以反算出P(obs|state)的密度函数。最后用最小二乘计算使P(obs|state)最大的state值。
• 我们关系的其实是P(state|obs)的概率分布，但是从obs到state的表达一般是很困难的，但其你表达是容易的，所以用最大似然方法。

第二种方案是直接求P(state|obs)

• 直接一次把state的完整联合分布求出来是不可能的。所以是先求一个state中的一小部分的概率分布，然后求基于这个分布，变换成state中另一些部分的分布，所以最终求得的是P(state_k|state_k-1, obs)
• 缺点1是：为了能变换分布，必须要线性化关系。
• 缺点2是：必须假设P(state_k|state_k-1, obs)=P(state_k|state_k-1，state_k-2，... ，state_0, obs)，也就是马尔科夫性。