下列描述说法错误的是：（ ）: A*算法要找到F值最大的节点作为新的起始位置/#/EKF SLAM主要是在卡尔曼滤波的基础上改进而来的扩展卡尔曼滤波方法，FAST SLAM主要是基于粒子滤波方法来做的/#/SLAM系统架构中后端优化主要指处理SLAM过程中噪声的问题，即最大后验概率估计/#/基于区域的分割算法对噪声具有一定的抗干扰能力，但是区域特性的选取比较困难
举一反三
- 以下状态估计方法是基于卡尔曼滤波算法基本思想发展的() A: 扩展卡尔曼滤波算法 B: 无迹卡尔曼滤波算法 C: 滑模滤波算法 D: 容积卡尔曼滤波算法
- 下列哪一项不是SLAM实现技术？（ ） A: EKF SLAM B: 粒子滤波SLAM C: 图形SLAM D: 马尔科夫定位SLAM
- 基于滤波器算法，常用的滤波器算法有基于扩展卡尔曼滤波器（EKF）算法和基于粒子滤波算法两种。
- 关于卡尔曼滤波算法，下列说法正确的是 A: 卡尔曼滤波是一组线性最小均方估计的递推算法； B: 卡尔曼滤波能够提供离散时间线性系统状态的线性最小均方估计； C: 卡尔曼滤波在应用时需要对随机动态线性系统建立模型； D: 在卡尔曼滤波算法推导中，系统扰动噪声和测量噪声都是假定为白噪声。
- 卡尔曼滤波是精确估计后验概率的均值和方差，扩展卡尔曼滤波是有效估计后验概率的均值和方差。