《icra16_slam_tutorial_tardos.pdf》

icra16_slam_tutorial_tardos.pdf

EKF：

https://www.cnblogs.com/gaoxiang12/p/5560360.html

7. 小结

1. 卡尔曼滤波是递归的线性高斯系统最优估计。
2. EKF将NLNG系统在工作点附近近似为LG进行处理。
3. IEKF对工作点进行迭代。
4. UKF没有线性化近似，而是把sigma point进行非线性变换后再用高斯近似。
5. PF去掉高斯假设，以粒子作为采样点来描述分布。
6. 优化方式同时考虑所有帧间约束，迭代线性化求解。

　　呃好像题主还问了FastSLAM，有空再写吧……

注：
* 本文大量观点来自Timothy. Barfoot, "State estimation for Robotics: A Matrix Lei Group Approach", 2016. 图片若有侵权望告知。

 

PS：

　　SLAM中，状态变量经常是六自由度的位姿，由旋转矩阵和平移向量构成。然而问题是，旋转矩阵并不存在加法，只有对应到李代数上才可以清楚地定义它的运算。因此，当我们讨论这个位姿的噪声，说它服从高斯分布时，我们究竟在说什么，是一个很严重的问题。今后的博客将更深入地介绍李群李代数的知识。

---