LIU Xiao的读博日志
友链
文库
历史归档
文章分类
文章标签
关于
LIU Xiao | 一位博士生的笔记与思考
0
技术分享
科研
【技术分享002】从贝叶斯到因子图优化:理解现代SLAM后端的完整数学链路
字数
1429
阅读时长≈
4
分钟
2026-8-19
2026-9-7
珍稀时间 合作共赢
😆
LIU Xiao
思想在此同步更新
目录
1. SLAM到底在估计什么?
2. 为什么是概率问题?
3. 贝叶斯公式如何进入SLAM?
3.1 传感器是否支持这个状态
3.2 这个状态本身是否合理
4. 最大后验估计(MAP)
5. 为什么概率突然变成优化?
6. 为什么最后变成最小二乘?
6.1 的处理:测量Factor
6.2 的处理:Prior Factor
6.3 统一
7. Factor是什么?
IMU Factor
Lidar Factor
GPS Factor
8. 什么是因子图?
Variable Node
Factor Node
9. 为什么不同传感器可以融合?
10. 如何调节传感器置信度?
11. Gauss-Newton如何求解?
最新发布
【读论文007】Advances, challenges, and opportunities for legged robots
2026-10-9
【学习笔记009】IBVS和PBVS
2026-9-22
【技术分享003】什么是CBF
2026-9-22
【学习笔记008】ROS1 Navigation 与 ROS2 Nav2
2026-9-21
【学习笔记007】Fast-Planner
2026-9-7
【学习笔记006】模型预测控制
2026-9-7
论文笔记
12
健康
6
随笔
5
科研
3
建站
2
金钱
2
思考
1
工具
1
文章数:
46
建站天数:
341 天
访问量:
访客数: