在vslam中對於觀測資料估計位姿進行優化的方式是我們之前有講到的ba，那麼卡爾曼濾波kf是什麼呢？在ba方法沒有被普遍使用的時候，基於kf的優化方法是主流，這裡我們也來了解一下，雖然在如今的主流視覺slam方法裡不再使用kf的方法，但是有imu等多感測器融合的slam系統裡kf仍然占有一席之地。
首先來引用兩篇部落格：
兩位博主已經通俗易懂的解釋了卡爾曼濾波的前世今生，簡單來講，kf解決的是這麼乙個問題：
在你自己知道了運動方程的前提下，在某乙個時刻你通過其他手段觀測到乙個位置，利用這個觀測到的位置來修正你根據上乙個時刻位置通過運動方程**出來的位置，並以這時**的位置來推斷下次的位置。
流程如下：（五大方程）
首先要計算**值、**值和真實值之間誤差協方差矩陣：
有了這兩個就能計算卡爾曼增益k，再然後得到估計值：
最後還要計算估計值和真實值之間的誤差協方差矩陣，為下次遞推做準備：
以上kf方法是基於線性系統的，而我們已經知道在slam中我們使用相機模型建立的觀測方程是乙個非線性函式，而乙個高斯分布非線性變化後就不再是高斯分布了。於是我需要將非線性線性化，這裡就是將非線性函式一階泰勒展開。這就是擴充套件卡爾曼濾波。
卡爾曼 基礎卡爾曼濾波
卡爾曼濾波器是一種基礎 定位演算法。原理非常簡單易懂。核心過程可以用乙個圖說明 本質上就是這兩個狀態過程的迭代，來逐步的準確定位。更新 更具感測器獲取到比較準確的位置資訊後來更新當前的 問位置，也就是糾正 的錯誤。你可能要問為什麼有感測器的資料了還要進行更新？因為在現實世界中感測器是存在很多雜訊干擾...
卡爾曼濾波 基礎
先上公式 在乙個離散控制過程的系統中，假設該系統可用乙個線性隨機微分方程 linear stochastic difference equation 來描述 x k axk 1 bu k 1 wk 1 x k ax bu w xk ax k 1 buk 1 wk 1 其中x是系統的狀態向量，大小為n...
卡爾曼 卡爾曼濾波 1
今天主要介紹一下卡爾曼濾波器，所謂卡爾曼濾波器其實是一種最優化遞迴數字處理演算法 optimal recursive data processing algorithm 卡爾曼濾波器應用 既然我們有了測量儀器，這些測量儀器可以目標給出準確測量值。還需要卡爾曼濾波器進行估計嗎?下面解釋一下為什麼需要卡...