稀疏扩展信息滤波

稀疏扩展信息滤波(Sparse Extended Information Filter,SEIF)

首先对比一下EKF-SLAM和Graph-SLAM，
EKF-SLAM算法是主动的，它需要获取每一时刻的信息，把信息分解为概率分布，但是因此计算代价也昂贵。
Graph-SLAM只是简单的将信息累积，之后为了将信息变成地图才进行处理过程，可以看做是一种离线方法。

总结了上述两种方法之后，那么久想到了，有没有一种在线的滤波器方法可以高效地表示信息？
稀疏扩展信息滤波(Sparse Extended Information Filter,SEIF) 实现了在线SLAM问题的信息解决方法。
与EKF相同的是，SEIF集成了过去的机器人的位姿，并且只在当前机器人的位姿和地图上维持后验。
但是另一方面，SEIF维持所有信息的信息表示，这一点又是和Graph-SLAM是一样的。
上面这一句话对于SEIF的理解很重要。

SEIF的过程。说实在的这个东西看起来有点像我们以前学数据结构图的时候那个邻接图

从这里我们可以看到它的一个显著特点，那就是测量综合到SEIF的复杂性所花费的时间与地图大小无关

上面这张图是SEIF得运动更新过程，在运动之后机器人位姿与特征m1和m2的连接就会减弱，这是因为引入了不确定性。

最后这一张图是SEIF的稀疏化过程

稀疏化的一般思想(公式)
假设已知这些变量的联合分布p(a,b,c)。为了使这个分布稀疏化，必须移除变量a和b之间的所有直接连接。即用p(a|b,c)近似p(a|c)或者p(b|a,c)近似p(b|c)。