slam之从卡尔曼滤波到最小二乘法（卡尔曼滤波-＞贝叶斯-＞最小二乘）

 1.卡尔曼滤波滤掉的是什么东西？
 卡尔曼滤波并不是直观地从一些信号或者数据中提取某些有用的信号或数据，而是在有干扰的情况下，通过数据的结合得到相对更加准确的估计数据．
也就是说卡尔曼滤波是一个有规律的推算过程，不是一个单纯的提取信息的过程．而卡尔曼滤波得到的数据有两个：1，对系统状态估计的最佳值；2,这个最佳值的不确定性（一个概率）.
２．为什么要使用卡尔曼滤波？

slam算法大致都可以分为三个部分：

 1. 前端匹配（局部匹配，帧间匹配）
 2. 回环检测
 3. 后端及优化

而后端优化的方法又可以分为三类：图优化，滑动窗口（VO,VIO），滤波器（非线性最小二乘法）
其中滤波器使用到的优化方法就是卡尔曼滤波．

卡尔曼滤波利用系统的马尔科夫性在状态估计中使用

３．卡尔曼滤波和贝叶斯公式之间的关系？

由于slam建图的过程是从结果推原因，而贝叶斯公式正好可以将这个逆向的过程转换成正向的过程．所以说贝叶斯公式是卡尔曼滤波的原理．

贝叶斯推导

  

４．非线性从卡尔曼滤波到贝叶斯公式我们知道了后验概率＝先验×似然，当没有先验时，如何求出先验就需要解决，最小二乘法是作为后端的优化方法引入的，解释详见视觉slam十四讲中的第六讲非线性优化中6.1.2最小二乘的引出