State Estimation For Robotics 学习笔记：一

　　本人学习的版本为2017.10更新的版本。

前言：

　　作者对状态估计相关问题的兴趣来自于机器人运动领域，尤其是在空间探索方面。在机器人运动领域，有很多相关的研究探索，比如概率机器人一书。随着计算资源变得昂贵、新的新技术传感器比如数字相机、激光测距仪的出现，机器人成为了状态估计领域新研发的重点。

　　特别是机器人运动领域可能是贝叶斯滤波器（比有名的卡尔曼滤波更加通用的技术）的第一次实际应用，就在过去几年中，对期许的结果，贝叶斯滤波器已经越来越难以满足机器人运动领域的非线性优化技术。因为我的第一个感兴趣的领域是机器人的户外导航，这就不得不面对三维空间的机器操作问题，因此，我不得不尝试提供一个关于机器人状态估计的方法。尤其是，我展示了如何简单并且实际的的使用李群代数处理旋转和坐标。读者应该在algebra（代数学）与calculus（）