本文针对SLAM数据关联中使用最为广泛的最近邻方法作了改进，利用特征估计位置与载体预测位置之间的欧氏距离计算代替了全部特征与每个量测之间的马氏距离计算，避免了大量的矩阵乘法计算。该算法简单易行，降低了算法的计算复杂度，有利于SLAM算法的实时执行，且关联效果与全局最近邻法相同-In this paper, SLAM data association in the most widely used methods of improving the nearest neighbor, using t

实时定位系统轨迹预测算法，包含卡尔曼算法-Trajectory prediction algorithm for real-time location system, including the Kalman algorithm

使用卡尔曼滤波进行位置预测，一共两种方法-Kalman filter location prediction