SLAM笔记一——入门介绍

什么是SLAM

SLAM就是Simultaneous Localization and Mapping。对于这个问题的研究已经有三十年了，因为传感器的误差和机器人运行中会出现误差，如何解决这个问题，建议一个长期稳定的SLAM系统是研究的重点。
推荐一篇论文：Past, Present, and Future of Simultaneous Localization And Mapping: Towards the Robust-Perception Age
一篇概述性的论文，介绍了SLAM的发展至2016年的状况。

SLAM中一些符号

T代表时刻

表示机器人位置的方法

通常用高斯分布来表示机器人的位置：

我们用以下这个分布来代表对机器人位置和路径的估计：

该估计为Full SLAM, 即根据所有的observations和controls来估计机器人的map和path。与之相对的是Online SLAM:

即为对之前概率分布的积分：

SLAM的难点

SLAM中的难点
1. 对于机器人的位置和地图都是未知的
2. 机器人的位置和地图的估计是相关的
3. 出现分歧：

SLAM的主流方法：

在后面会慢慢介绍

动作模型

即根据上一时刻的位置，经过控制命令u之后，来估计现在时刻t的位置。
有两种模型：

观测模型

观测模型即通过此刻的位置，我可以看到的特征点的估计
有两周模型：