1.滤波

1.1.什么是滤波

这里的卡尔曼滤波实际上和信号处理里面的滤波有很大的不同。

信号处理里面的滤波，假设一个正弦信号有很多毛刺，想要对其进行滤波滤除毛刺。信号处理里面的做法是把信号进行FFT变换到频域，然后用一个低通滤波器滤掉高频信号，然后再用IFFT变换到时域，就完成了滤波过程。如下图所示：
而状态估计中的滤波，更属于是一种状态的融合，使用卡尔曼滤波。

1.2.卡尔曼滤波的例子

一个例子：现在一个人玩荒野求生需要确定自己的位置，他手上有一个GPS传感器，定位的可信度是±2m，但是这个GPS的信号发送频率比较低。同时这个人每次走一步可以自己估计出自己这一步走了多远，并且估计的可信度是±0.1m。

假设这个人从开始走了四步，每一步估计自己走了多远的可信度是0.1m，注意这是每一步的，那么他走了四步之后估计出的自己的最终位置的置信度肯定是要比0.1m高的，因为误差在这个过程中是会传递的。假设最终对位置的这个估计是 x a x_a xa（状态转移），置信度是0.8m（实际计算需要严格的推导，这里只是距离）。此时来了一个GPS信号定位的位置是 x b x_b xb（观测），置信度是2m，那么这个时候就需要使用卡尔曼滤波融合这两个结果，比如最后得到的结果是 x c x_c xc，并且融合的结果的置信度一定比之前两个的置信度都要高，假设是0.6m。整个过程如下图所示：

1.3.卡尔曼滤波方程

1.3.1.使用条件

注意普通的卡尔曼滤波的使用条件是系统是线性的，并且状态方程和观测方程的噪声都服从高斯分布。

1.3.2.五大方程

1.4.非线性的EKF

扩展卡尔曼滤波EKF本质上还是KF，他是在工作点附近对状态方程和观测方程都进行了线性化，从而得到线性KF中的A和H。

但是这样存在的一个问题是我们求的偏导都是在预测的 x k x_k xk处的结果，并非最后真正的 x k x_k xk，所以如果预测的结果和真值差的比较远的话，那么线性化不成立，这样EKF的效果自然也就不好了。

2.优化

优化的思想和滤波不同之处在于，滤波只是在上一个状态的基础上考虑当前状态的最佳估计，而不考虑之前的其他状态。但是优化是考虑当前状态和之间的所有状态，以及之前的所有观测，同时优化所有的状态让总的误差最小，也就是寻找在所有观测下的所有状态最大后验估计。

使用贝叶斯公式可以知道，优化的求的最大后验估计其实可以转化为求最大似然估计。原来的最大后验估计问题的描述是找到 x i x_i xi使得 P ( x i ∣ z i ) P(x_i|z_i) P(xi∣zi)最大，而转成最大似然估计后问题的描述变成找到一个 x i x_i xi使得最可能产生当前的观测值 z i z_i zi。比如在高中物理测电阻的实验中，得到一组数据 ( I i , U i ) (I_i, U_i) (Ii,Ui)，据此拟合一条直线得到电阻 R R R。实际上这个过程就是一个最大似然估计，就是寻找一个电阻 R R R，使得物理系统的电阻阻值为 R R R时最可能产生得到的这些数据 ( I i , U i ) (I_i, U_i) (Ii,Ui)。

PS：在这里我好像还是没有特别理解最大似然和最大后验的区别，如果按照上面的说法，对电阻测量的这个实验来说，最大似然估计很好解释的通，那么最大后验估计使得后验概率最大是什么意思？

VINS笔记1——滤波与优化相关推荐

TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络
TensorFlow 深度学习笔记 TensorFlow实现与优化深度神经网络转载请注明作者:梦里风林 Github工程地址:https://github.com/ahangchen/GDLnote ...
笔记45 | 代码性能优化建议[转]
地址笔记45 | 代码性能优化建议[转] 目录前言避免创建不必要的对象选择Static而不是Virtual 常量声明为Static Final 避免内部的Getters/Setters 使用增 ...
视觉SLAM笔记（47）优化 PnP 的结果
视觉SLAM笔记(47) 优化 PnP 的结果 1. 迭代优化 2. 优化边 3. 姿态估计 4. 结果对比 1. 迭代优化尝试 RANSAC PnP 加上迭代优化的方式估计相机位姿看看是否对视 ...
深度学习笔记（10）优化算法（二）
深度学习笔记(10) 优化算法(二) 1. Adam 优化算法 2. 学习率衰减 3. 局部最优的问题 1. Adam 优化算法 Adam代表的是 Adaptive Moment Estimation ...
深度学习笔记（9）优化算法（一）
深度学习笔记(9) 优化算法(一) 1. Mini-batch 梯度下降 2. 指数加权平均数 3. 动量梯度下降法 4. 均方根反向传播 1. Mini-batch 梯度下降把训练样本放大巨大的矩 ...
Android高手笔记-屏幕适配 UI优化
Android高手笔记-屏幕适配 & UI优化屏幕与适配由于Android碎片化严重,屏幕分辨率千奇百怪,而想要在各种分辨率的设备上显示基本一致的效果,适配成本越来越高: 屏幕适配究其根本 ...
VIO回顾：从滤波和优化的视角
http://www.5yedu.com/b64550.html 泡泡机器人翻译作品作者:Javier Civera, DorianGálvez-López, L. Riazuelo, Juan D ...
崔岩的笔记——粒子滤波原理及应用（3）粒子滤波原理及算法流程
崔岩的笔记--粒子滤波原理及应用(1)概率论与数理统计基础_今天也是睡觉的一天的博客-CSDN博客崔岩的笔记--粒子滤波原理及应用(2)蒙特卡洛法与贝叶斯滤波_今天也是睡觉的一天的博客-CSDN博客 ...
Android高手笔记-D8, R8编译优化
在之前的文章Android高手笔记-包体积优化中提到过通过编译优化包体积,涉及到了ProGuard,D8,R8,其中关于ProGuard及包体积优化方案已经进行了详细介绍,那么今天我们来说说D8和R8 ...

VINS笔记1——滤波与优化