关于机器人状态估计(0.3)-科学简介

这篇文章是纯科普。现代老板太多了。如果你将来有时间，你可以读论文：

高翔博士的书"视觉SLAM十四讲"与Barfoot教授(高翔、谢晓佳等)"估计机器人学中的状态"这是一本很好的书，"概率机器人"太难了，建议硕士以下的学生不要先看这个。

未来国内从事状态估计和机器人行业的学生应特别感谢高翔博士，是他主动全面引导这门学科到中国拆解，把春雪变成下里巴人，让大家更好的掌握。香港科学/哈尔滨工业大学/浙江大学等国内优秀实验室在技术落地和深化方面做出了巨大突出贡献。没有科学家和实验室的努力，工程师的工程是不可持续的，这是一开始必须强调的。

估计整个机器人状态的关键人物和理论如下：

1.高斯(Johann Carl Friedrich Gau?、Gauss)

德国数学家，数学王子，没有他，我们现在就不谈这些事情了。

我个人心目中最伟大的数学家之一。高斯的贡献无处不在。

估计高斯对整个机器人状态的主要贡献是高斯分布与高斯过程，这两个贯穿于整个机器人状态估计。其他细节在系列文章的1里。

2.卡尔曼(Rudolf Emil Kalman)

美国数学家，能观性/可观性提出者，涉及卡尔曼滤波是机器人状态估计的经典形式和后续双支路的来源。

3.贝叶斯(Bayes)

贝叶斯法则的来源是英国数学家。

贝叶斯法则是卡尔曼滤波器的来源和基础之一。详见系列第二篇。

更重要的是贝叶斯推断，最大后验估计以及延伸贝叶斯滤波

4.香农(Claude Elwood Shannon)

定量分析的来源来自美国数学家，信息熵的提出者，机器人状态估计的不确定性

机器人的实际状态估计是整个机器人状态的估计不确定性通过各种传感器耦合优化不断收敛过程。香农信息与互信关系确定。

5.线性代数

经过几代数学家的努力，线性代数是他们最突出的结晶之一

在这里，线性代数的本质是解决几乎无限的多个方程组。随着我们计算能力和成本的扩展和廉价性，线性代数变得越来越重要。在这里，线性代数除法即求逆，也可能涉及系统开销最高因此，现代科学家发明了大量方法来分解或伪逆矩阵，如机器人状态估计中常用的舒尔补，cholesky分解，QR分解，LDU/UDL与SMW恒等式等。

在这里，我要感谢我在大学里严格的导师。我的线代已经重建了两次，但由于导师的严格性，线代已经成为我在后续学习和工作中最扎实的技能之一。这里是学生的学习推荐MIT35讲视频

6.李群和李代数(Lie group and Lie algebra)

旋转与平移自动化与控制基础学科的应用，代数学的重要分支学科

来自数学家李Lie,M.S.及其学生恩格尔Engel,F与20世纪初的Cartan

7.贡献现代科学和工程

李泽湘老师：李群李代是中国机器人学落地的先驱，也是自动化和控制学科的现代巨头之一。

(1)ORB: 一种非常优秀的前端特征点提取方法，广泛应用于前端特征提取、图像全景集成/拼接（这是我的专业之一，以后写），可以很容易地应用于位置姿势估计的前端SIFT和SURF这种有专利壁垒的方法，ORB是被广泛使用的。感谢Rublee及其小组，ORB缺点是成本相对较高，可靠性极高，纯视觉VSLAM效率高，双目立体视觉硬化算子，未来还是很有前途的。

(2)光流法和直接法：Lucas Kanade与另外两种广泛使用的前端特征点提取方法，虽然精度差，但由于效率高，在多传感器联合状态估计中具有很大的价值。我没有找到发明者的来源。如果学生们将来发现麻烦，告诉我。

(3)词袋回环：Dorian Galvez-López与Juan D. Tardos，中文全网很少提到两位作者，但估计实际词袋回环在当前机器人状态下起到了很大的作用。

(4)FEJ: Tue-Cuong DongSi, 多传感器融合融态基础之一，如一线性点雅克比的提出者

(5)预积分：Lapton 多传感器融合融态基础之一，后续与李群李代数相结合，成为学科基础

2016年以后，由于中国落地场景最多，机器人学科状态估计的一些研究核心逐渐转向中国，包括黄国权教授、沈少杰教授、张国峰教授、高翔/秦通/ Zuo xiao xing医生等，就不一一列举了，希望未来科学家和工程师能继续推动学科发展和工程进步！