离散时间的批量估计离散时间的递归平滑算法离散时间的滤波算法连续时间的批量估计<一> 离散时间的批量估计问题1. 线性高斯系统2. 批量问题的解法贝叶斯推断，用高斯分布去近似；最大后验估计，没有要求是高斯分布。两者在高斯分布的情况下是一样的，但在非高斯分布的情况下有所不同。vvv是输入，是个已知量，不是随机变量，因此它在推导中一直被放在随机变量后面。且vvv是通过作用于xxx在作用于yy

这么强的假设限制了在大范围的重要真实场景应用中，自动驾驶机器人系统的部署，包括高度动态和无结构化的环境中。这篇文章提出了VDO-SLAM，一个鲁棒的感知物体的动态SLAM系统，其利用语义信息来估计场景中刚体的运动，不需要物体的的形状和运动模型的先验信息。现有的SLAM一般借助了低层次的信息，比如点、线、面，而深度学习提供了更加高层次的信息，比如检测和分割。分别就是上述的四种误差项，值得注意的是这里