传感器 一类传感器是携带于机器人本体上的， 例如机器人的轮式编码器、 相机、 激光等等。 另 一类是安装于环境中的，例如前面讲的导轨、二维码标志等等。安装于环境中的传感设备， 通常能够直接测量到机器人的位置信息，简单有效地解决定位问题。然而

非线性优化 状态估计问题 最大后验与最大似然 经典slam模型： {xk=f(xk−1,uk)+wkzk,j=h(yj,xk)+vk,j\begin{cases} \boldsymbol{x}_k=f(\boldsymbol{x}_{k-

SLAM SLAM 是 Simultaneous Localization and Mapping 的缩写，中文译作“同时定位与 地图构建”。它是指搭载特定传感器的主体，在没有环境先验信息的情况下，于运动过 程中建立环境的模型，同时估计自己

旋转矩阵 相机可以看成三维空间的刚体，于是位置是指相机在空间中的哪个地方，而姿态则是指相机的朝向。 内积可以描述向量间的投影关系。 外积表示向量的旋转。 a×b=[ijka1a2a3b1b2b3]=[a2b3−a3b2a3b1−a1b3a1

相机模型 针孔模型和畸变构成了相机的内参数。 针孔相机模型 物体与像的数学模型 像与像素的数学模型 {u=αX′+cx=fxXZ+cxv=βY′+cy=fyYZ+cy\begin{cases} u=\alpha X^{'}+c

李群与李代数 在 SLAM 中位姿是未知的，而我们需要解决什 么样的相机位姿最符合当前观测数据这样的问题。一种典型的方式是把它构建成一个优化 问题，求解最优的 R;t，使得误差最小化。 通过李群——李代数间的转换关系，旋转矩阵自身是带有约束