卡爾曼SLAM

B是初始位置然後走了一步到X位置P（B）（在初始位置的可能性）*P（X|B）（在B初始位置可能性的基礎上X的可能性）=P（X）（在X位置的可能性） 在預測的同時得到了觀測Ｚ，B到X傳感器得到觀測數據Z，然後根據觀測（P（Z｜X，B））和預測（P（X｜B））更新ｐ（Ｘ｜Ｚ，Ｂ）（貝葉斯） 預測的分佈 觀測的分佈 舉個日常生活的例子： 假設你有兩個傳感器，測的是同一個信號。可是它們每次的讀數都不太一樣

>>阅读原文<<