概率与估计（第五批）¶
导读：本目录是机器人状态估计的概率论主线。它从贝叶斯滤波的预测-更新递推出发，经过线性高斯 Kalman filter、经典非线性 Gaussian filters、流形滤波、因子图、增量平滑、鲁棒估计与可认证感知，最后形成一条能够解释现代 VIO、SLAM、组合导航和腿式机器人状态估计系统的完整知识链。
读者入口：默认读者已经掌握线性代数、多元高斯、最小二乘、基础优化和机器人运动学。若对协方差、Cholesky、QR、Schur 补、李群误差没有把握，需要先回到纯数学基础和微分几何与李群章节补齐。
目录¶
| 编号 | 专题 | 说明 |
|---|---|---|
| 10 | 贝叶斯滤波与线性高斯滤波 | 贝叶斯滤波与 Kalman filter |
| 20 | 经典非线性滤波族 | EKF、UKF、粒子滤波 |
| 30 | 流形滤波族 | 流形上的滤波方法 |
| 40 | Kalman族全景收口 | Kalman 族全景收口与统一视角 |
| 50 | 因子图与非线性最小二乘 | 因子图与非线性最小二乘 |
| 60 | iSAM2与Bayes树 | iSAM2 与 Bayes 树增量平滑 |
| 70 | Barrau_Bonnabel精读 | Barrau-Bonnabel IEKF 精读 |
| 80 | Certifiable_Perception | 可认证感知 |
| 90 | 鲁棒估计与外点剔除 | 鲁棒估计与外点剔除 |