根據(jù)式（2）和式（3）可知，在一階馬爾科夫模型的假設(shè)下，通過貝葉斯估計可以將當(dāng)前狀態(tài)和地圖的最優(yōu)后驗估計轉(zhuǎn)化為觀測數(shù)據(jù)的假設(shè)條件概率和狀態(tài)轉(zhuǎn)移方程以及上一狀態(tài)后驗估計的函數(shù)。因此對狀態(tài)和地圖的最優(yōu)后驗估計可以通過迭代求解。

以上為一個經(jīng)典SLAM問題的例子，對于這類問題的解答，有很多方法，比如經(jīng)典的卡爾曼濾波（KF）、擴展卡爾曼濾波（EKF），無跡卡爾曼濾波（UKF），R-B粒子濾波器（FastSLAM）以及信息濾波（SEIF）等等。他們均是基于概率模型的SLAM問題的求解方法，本質(zhì)是求出最優(yōu)后