介紹

SLAM是一種時(shí)間模型，它的目標(biāo)是從復(fù)雜的信息中計(jì)算出一系列狀態(tài)，包括預(yù)期環(huán)境，距離，以及根據(jù)之前的狀態(tài)和信息得出的路徑? 。有許多種狀態(tài)，例如，Rosales和Sclaroff（1999）使用狀態(tài)作為行人邊界框的3D位置來跟蹤他們的移動(dòng)。Davison 等人（2017）使用單目相機(jī)的相機(jī)位置，相機(jī)的4D方向，速度和角速度以及一組3D點(diǎn)作為導(dǎo)航狀態(tài)。

SLAM一般包含兩個(gè)步驟，預(yù)測(cè)和測(cè)量。為了準(zhǔn)確表示導(dǎo)航系統(tǒng)，SLAM需要在狀態(tài)之間以及狀態(tài)和測(cè)量之間進(jìn)行學(xué)習(xí)。SLAM最常用的學(xué)習(xí)方法稱為 卡爾曼濾波。

卡爾曼濾波

卡爾曼濾波是一種用于狀態(tài)估計(jì)的貝葉斯濾波類型。它是一種遞歸算法，作為系統(tǒng)中不確定性的函數(shù)，使預(yù)測(cè)可以隨著時(shí)間的推移進(jìn)行校正。不確定性表示為當(dāng)前狀態(tài)估計(jì)和先前測(cè)量之間的權(quán)重，稱為卡爾曼增益。該算法將實(shí)體先前的狀態(tài)，觀測(cè)和控制輸入以及當(dāng)前的觀測(cè)和控制輸入作為輸入。過濾器包括兩個(gè)步驟：預(yù)測(cè)和測(cè)量。預(yù)測(cè)過程使用運(yùn)動(dòng)模型，可以根據(jù)給定的先前位置和當(dāng)前的輸入估計(jì)當(dāng)前位置。測(cè)量校正過程使用觀察模型，該模型基于估計(jì)的狀態(tài)，當(dāng)前和歷史觀察以及不確定性來對(duì)當(dāng)前狀態(tài)進(jìn)行最終估計(jì)。

?

?