# 自动驾驶定位相关的问题
以下为深蓝学院 (opens new window)整理的问题，查看面试题目请点击该链接：面试题目 (opens new window)，查看参考答案请点击该链接：参考答案 (opens new window)。
# 一、惯性导航方向
# 1. IMU测量方程是什么？噪声模型是什么？
# IMU测量方程是什么？
中值积分情况下，IMU的测量方程为：
- 姿态解算
- 速度解算
- 位置解算
# 2. 惯导误差模型是什么来的？比如15维的卡尔曼滤波模型。
# 3. GPS双天线安装偏转角是怎么标定的？
# 4. 多传感器之间是怎么对时的？
# 5. GPS到来时是有延时的，而IMU给出的加速度和角速度是实时的，这种情况下怎么处理延时？怎么做的融合？
# 6. DR递推的原理是什么？大概怎么去做？
# 7. 组合导航卡尔曼滤波过程噪声是如何调参的？
# 二、点云算法方向
# 1. 最近邻问题哪几种典型解法？
# 2. 怎么对KdTree进行插入操作？怎么确定一个节点的分类面？
# 3. 怎么对KdTree进行Search By Range和Search By KNN操作？
# 4. 举出除了KdTree以外的近邻计算方法（栅格、B树、R树、四叉、八叉树等）。
# 5. 给定一组点，如何计算其拟合平面？如何计算其拟合直线？解释其方法的意义。
# 6. 举出常见的点云的registration方法。
# 7. 说明ICP的详细过程，要求说明代数解法和匹配问题解法。
# 8. 说明NDT的详细过程，Normal distribution的含义是什么。
# 9. 匹配问题除了最近邻还有什么解法？说明匈牙利算法、最大流/最小割、谱方法等其中一种。
# 10. 解释混合高斯模型含义。解释EM算法的原理。
# 三、状态估计方向
# 1. 从贝叶斯滤波器角度推出卡尔曼滤波器方程。
# 2. 从增益最优化角度推出卡尔曼滤波器方程。
# 3. 从Cholesky方程推出卡尔曼滤波器方程。
# 4. 解释KF中的噪声矩阵含义。运动方程中估计噪声是变大还是变小？修正方程中噪声是变大还是变小？
# 5. RTS与KF之间的联系？
# 6. 将卡尔曼滤波推广至EKF。
# 7. 解释数值矩阵求逆的几种做法（QR、Cholesky、SVD）。
# 8. 什么是Moore-Penrose逆？如何计算Moore-Renrose逆？
# 9. SVD是什么？SVD是如何求解的？
# 10. 特征值是什么？如何计算矩阵的特征值与特征向量？什么样的矩阵必须能对角化？不能对角化的矩阵的标准形式是什么？什么是Jordan标准形？
# 11. 如何求解线性最小二乘法？如何求解零空间解？说明特征值方法和奇异值方法之间的联系。
# 12. 描述图优化和最小二乘之间的联系。画出VIO中常用的图优化模型。
# 13. 稀疏图优化的稀疏性体现在哪里？要求打出稀疏Schur和Cholesky之一。
# 14. 描述滤波器与最小二乘之间的联系？说明为什么卡尔曼滤波可以看成两个时刻之间的最小二乘。
# 15. 说明UKF、EKF和PF之间的关系。
# 16. 解释UKF中的Sigma采样点关系。
# 17. 解释PF中的重要性重采样的过程是如何做的。解释轮盘赌原理。
# 18. 解释李群李代数在三维估计中的作用。
# 19. 流形是怎么定义的？流行在局部与R3同胚是什么含义？为什么说SO3是一个流形？
# 20. 解释S03，SE3中的Exp和Log的原理。解释BCH的原理的作用。
# 21. 分别使用左右扰动模型，求解几个常见的雅可比：
？？？