自动驾驶对SLAM的应用主要集中在定位与建图这两大模块。在定位模块中，也常常需要使用DR或LIO进行局部的位置估计。

自动驾驶对SLAM的应用主要集中在定位与建图这两大模块。在定位模块中，也常常需要使用DR或LIO进行局部的位置估计。

三维激光雷达的信息比二维激光雷达的信息更丰富，不容易被遮挡，能够更好地重建场地的三维结构。我们既可以对三维点云直接进行配准，也可以提取一些几何特征后再进行配准。

在进行扫描匹配之后，得到了两个扫描数据之间的相对运动。这个过程相当于SLAM中的定位问题，得到位置之后我们就要进行建图工作。对于建图问题因为物体的移动数据是进行变化，当这些数据在一个固定大小的地图上时，是将所有的扫描点放入构成地图，还是应该设置一些相互覆盖、刷新的策略呢，6.3就是来学习地图的管理模式，。首先是占据栅格地图，是以栅格的形式（或者以图像的形式）存储占据概率的地图。

IMU预积分的初衷是借助视觉SLAM中图优化的思想，将帧与帧之间IMU相对测量信息转换为约束节点的边参与到优化框架中（看不明白这句话），但是IMU预积分的本质是由之前学习的知识我们知道IMU的值是测量值和噪声构成，在上述过程中必不可少得有噪声的干扰，在PVQ更新过程中，通过对IMU测量噪声协方差的递推，获得每周期PVQ增量测量值的噪声分布，再通过求协方差的逆的平方根，得到信息矩阵，对残差中PVQ的

在SLAM领域，最优化问题用图模型进行描述，对应的图模型称为图优化(GraphOptimiza-tion)或者因子图(FactorGraph)。因子图模型可以进一步引入概率图模型中的方法进行求解。ps：本人对这个最优化方法和图优化的在实际工程中的应用还不太理解，等俺们再学学继续更新，本章最大的感悟是找对学习资源真的是事半功倍呀。在非线性系统中，可以对运动方程和观测方程进行线性化，然后将卡尔曼滤波器