咸阳公司做网站,设计图片手绘图片,app开发及后期维护费用,南京网站设计公司大全讲解关于slam一系列文章汇总链接:史上最全slam从零开始#xff0c;针对于本栏目讲解的 卡尔曼家族从零解剖 链接 :卡尔曼家族从零解剖-(00)目录最新无死角讲解#xff1a;https://blog.csdn.net/weixin_43013761/article/details/133846882 文末正下方中心提供了本人 联系…讲解关于slam一系列文章汇总链接:史上最全slam从零开始针对于本栏目讲解的 卡尔曼家族从零解剖 链接 :卡尔曼家族从零解剖-(00)目录最新无死角讲解https://blog.csdn.net/weixin_43013761/article/details/133846882 文末正下方中心提供了本人 联系方式 点击本人照片即可显示 W X → 官方认证 {\color{blue}{文末正下方中心}提供了本人 \color{red} 联系方式\color{blue}点击本人照片即可显示WX→官方认证} 文末正下方中心提供了本人联系方式点击本人照片即可显示WX→官方认证
一、 前言
该篇博客主要是对前面知识点进行扫盲因为有太多的疑惑还没有得到解答若直接略过直接展开后面的内容进行讲解就没有办法达到个人编写该系列博客目的本人是希望彻头彻尾弄明白卡尔曼滤波及其分支。哪怕掘地三尺刨根问底也再所不辞。在这之前个人觉得需要把上篇博客拓展的内容重述一遍。因为其对卡尔曼滤波的应用确实比较重要 ( 1 ) \color{red} (1) (1) 卡尔曼滤波并不需要每次迭代都进行观测可以以一定频率进行观测更新。其主要与观测数据精度相关精度越高允许间隔观测的间隔时长越大。且每次观测可以观测多个数据。 ( 2 ) \color{red} (2) (2)卡尔曼滤波递推公式虽然是线性的但是这并不意味着其只能应用于线性变换的场景其也适用于一些复杂的非线性变换场景需要观测频率较高。
当然这篇博客有这篇博客的重点上面仅仅是记录一下重点而已下面三个问题就是该篇博客需要解答的 ( 1 ) \color{blue} (1) (1)高斯分布分布负无穷到正无穷的积分为什么是1 ( 2 ) \color{blue} (2) (2) 高斯分布经过线性变换为什么还是高斯分布 ( 3 ) \color{blue} (3) (3) 两个高斯分布函数的乘积为什么依旧是高斯分布
