数据关联
将传感器送来的点进行门限过滤，滤掉门限外不想要的点。
状态更新前，建立起观测信息与图中已有特征的关系。当数据关联的结果显示当前时刻的观测值为一个新的路标特征点时，则将该新路标特征点扩充至系统当前的状态向量中。
最邻近数据关联
NNDA，是数据关联的一种方法，实现手段简单，关联效果良好。选取关联门内与被关联环境特征距离最近的测量量做有效测量。为了减少判断次数，提高筛选效率，要求限制可能存在的测量决策个数，通过关联门对有效观测进行初步筛选。
上图的椭圆形区域为根据K-1时刻预测K时刻的先验估计，该先验估计表示K时刻小车的可能位置，小车出现在椭圆内的概率极大，通过设置置信度，可以改变椭圆的大小。该椭圆也叫关联门。
如果因为噪声干扰，观测门内不止一个测量结果，选马氏距离最小的误差参量做考察参数，得到的范数最小的测量成为该特征产生的测量。
马氏距离与欧式距离
几种误差的物理意义
方差：方差是标准差的平方，而标准差的意义是数据集中各个点到均值点距离的平均值。反应的是数据的离散程度。
协方差： 标准差与方差是描述一维数据的，当存在多维数据时，我们通常需要知道每个维数的变量中间是否存在关联。协方差就是衡量多维数据集中变量之间相关性的统计量。比如说，一个人的身高与他的体重的关系，这就需要用协方差来衡量。如果两个变量之间的协方差为正值，则这两个变量之间存在正相关，若为负值，则为负相关。
协方差矩阵： 当变量多了，超过两个变量了。那么，就用协方差矩阵来衡量这么多变量之间的相关性。
————————————————
原文链接：https://blog.csdn.net/bluesliuf/article/details/88862918
欧氏距离：直线距离，平方和相加后开根。
马氏距离：计算两个尺度不同的数据的相似度。
马氏距离的目的就是把方差归一化，使得特征之间的关系更加符合实际情况。
参考：
[1]丁鸿蒙. 基于EKF的自主式水下航行器SLAM方法研究[D].哈尔滨工程大学,2014.
[2]概率数据关联（PDA）算法解析 - 知乎 (zhihu.com)
