卡尔曼滤波老生常谈的,从运动模型开始我们通过这个方程,构建了slam每一帧之间的关系，给一个输入u_{n+1},以及上一帧的状态x_n可以得到下一帧的状态x_{n+1} 的先验估计(如果还不明白先验估计后验估计的朋友,请观看黄老师带你飞公开课第三章的内容),当然w_n代表噪声有了运动模型，我们同时也有观测模型其中z_n=1_zn,2_zn...代表大量观测值,m代表地图上的点,g是传感器模型,v_n是噪声，有了这些模型,现在我们是时候来点概率论了我们要计算x_{t+1}时刻的状态以及该时刻对地图的最新估计，根据贝叶斯公式:然后我们就上一个表,来吧这个算法的步骤简单列一下:于是就是这玩意儿了,然后你假设了高斯分布,之后再把运动方程和观测方程线性化,就是经典的卡尔曼滤波了,注意,在这个
………………………………
