SLAM笔记三——贝叶斯滤波器

贝叶斯滤波器

定义状态估计p(x | z, u) ,即又此时的observations和之前的控制命令，估计现在的状态。

• 递归贝叶斯滤波器
  首先定义：bel(…)代表贝叶斯模型
  
  
  
  
  
  
  
  由此得到了上一时刻位置的贝叶斯模型。

贝叶斯滤波器分为两步：

第一步很好理解，预测过程，即如何通过上一时刻位置的贝叶斯模型计算此刻的贝叶斯模型。
第二步，是校正过程，即又此刻的位置估计observations来强化贝叶斯模型的估计，最前面是正则化系数，所有T的正则化系数相加为1。

Motion models

主要分为Odometry Model和Velocity-based
Odometry Model有轮子编码器，Velocity-based不含轮子编码器。
Odometry Model：

Velocity-based：

Sensor Model