p(gld=maxp (f d) 即最大后验估计是在已知数据为a的条件下,使后验概 率密度p(取得最大值得点g,根据概率论,最大后验估 计g满足p(g|d)p(g)=maxp(l|f·p( 当p(6为均匀分布时,最大后验估计g满足 plf=maxp (dI f) 此时,最大后验概率也称为极大似然估计。 当传感器组的观测坐标一致时,可以用直接法对传感器 测量数据进行融合。在大多数情况下,多传感器从不同 的坐标框架对环境中同一物体进行描述,这时传感器测 量数据要以间接的方式采用 Bayes估计进行数据融合 间接法要解决的问题是求出与多个传感器读数相一致的 旋转矩阵R和平移矢量H。即最大后验估计是在已知数据为d的条件下，使后验概 率密度p(f)取得最大值得点g，根据概率论，最大后验估 计g满足 当p(f)为均匀分布时，最大后验估计g满足 此时，最大后验概率也称为极大似然估计。 当传感器组的观测坐标一致时，可以用直接法对传感器 测量数据进行融合。在大多数情况下，多传感器从不同 的坐标框架对环境中同一物体进行描述，这时传感器测 量数据要以间接的方式采用Bayes估计进行数据融合。 间接法要解决的问题是求出与多个传感器读数相一致的 旋转矩阵R和平移矢量H。 p（g d） p（f d） f | =max | p（g d） p（g） p（d f） p（f） f | • =max | • p（g f） p（d f） f | =max |