似然场模型初识

最新推荐文章于 2022-04-23 17:52:05 发布
最新推荐文章于 2022-04-23 17:52:05 发布
阅读量2.6k 收藏 7
点赞数 2
分类专栏： slam学习之路 文章标签： 概率论 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Christina_Clbert/article/details/103997680
版权

【slam】激光雷达的数学模型之似然场模型

光束模型的缺点

  1. 计算量大（每一个位姿需要进行N次raytracing,N为每一帧激光的激光束数量）
  2. 在非结构化环境中（比较杂乱的环境中），使用光束模型会导致当位姿发生微小变化时，得分从非常高一下改变为趋近于零，而且除了最优解没有次优解的存在，可以说有一些病态的特点

似然场模型likehood model

在这里插入图片描述

  • 似然场模型相对于光束模型，优势相当明显。
    传感器和位姿都可能存在噪声，从而得到一个高斯分布，用一个高斯核对每一个障碍物进行高斯平滑。随着到障碍物的距离增大得分即降低 ，相当于以障碍物为期望的高斯分布。

  • 不需要计算期望值，因为已经对图像进行模糊处理，不需要再经过raytracking计算得分，直接通过查表得到，计算量小。

  • 同时适合于结构化环境和非结构化环境中

Julia_Chu
关注
  • 2
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
激光雷达数学模型
weixin_46777885的博客
04-26 2080
激光雷达测距的数学模型
激光slam课程学习笔记－－第６课：激光的前端配准算法
qq_45701501的博客
04-23 1138
前言：这系列笔记是学习曾书格老师的激光slam课程所得，这里分享只是个人理解，有误之处，望大佬们赐教。这节课主要介绍激光点云的前端配准算法。 １．帧间匹配算法 ［帧间匹配算法，不一定指的是前后帧情况，也可能是好几帧情况］ 1.1 ICP匹配算法 已知点的求解方法 求解证明： ［没理解，上图左侧的底部式子为零］ [正定对称举矩阵：矩阵对称，并且元素都是大于０]［正交矩阵，其逆矩阵和转置矩阵相等］ ［右侧的Track拼写有误，应该写成Ｔrace］ [老师说，slam更偏向于一个工程问题而不是一个理论问题
AMCL (2) --似然场模型LikelihoodFieldModel
努力是明天快乐的源泉
06-24 699
double AMCLLaser::LikelihoodFieldModel(AMCLLaserData *data, pf_sample_set_t* set) { AMCLLaser *self; int i, j, step; double z, pz; double p; double obs_range, obs_bearing; double total_weight; pf_sample_t *sample; pf_vector_t pose; pf_vec
AMCL (1) --似然场模型LikelihoodFieldModelProb (最详细)
努力是明天快乐的源泉
06-24 1657
double AMCLLaser::LikelihoodFieldModelProb(AMCLLaserData *data, pf_sample_set_t* set) { AMCLLaser *self;//类对象 int i, j, step;//点云序号,粒子序号,间隔几个粒子 double z, pz;//障碍物距离,概率值 double log_p; //概率对数值 double obs_range, obs_bearing;//数据距离,和角度 double total
激光似然场模型及在AMCL中的应用
m0_37923410的博客
03-29 4713
1.beam model与Likehood field model beam model测量光束模型 纯物理模型，针对激光发出的测量光束建模，将一次测量误差分解为四个误差。 期望值的计算需要用retraying，每一个位姿需要进行N次retracing， 为一帧激光的激光束数量。 在非结构化环境中（clutter），位姿微小的改变会造成期望值的巨大变化，从而导致得分进行突变。 likehood f...
深入AMCL(二):2d激光雷达似然域测量模型
qq_34672671的博客
05-07 3869
首先，基于概率滤波无非是根据发生的概率大小分配权值的大小（不同意请原谅。。）。 下面简单说一下AMCL中的粒子权值分配。先贴一张图（概率机器人P130）1.似然域测量模型认为测量的结果包含一个高斯噪声和随机噪声； 2.激光测量距离（x,y）变换到map坐标系； 3.dist越大，则概率q越小，则该变换矩阵（粒子）越不可信； 4.把点云配对变成计算测量误差，并获取该误差发生的概率大小；（类似ICP）...
结合似然关系模型和用户等级的协同过滤推荐算法
02-22
针对传统协同过滤推荐算法的稀疏性、扩展性问题,提出了结合似然关系模型和用户等级的协同过滤推荐算法.首先,定义了用户等级函数,采用基于用户等级的协同过滤方法,在不影响推荐质量的前提下有效提高了推荐效率,从而...
数据回归-预测回归模型的经验似然域构造及其实证分析.pdf
06-26
"数据回归-预测回归模型的经验似然域构造及其实证分析" 数据回归是一种常用的统计分析方法，用于分析和预测连续型变量之间的关系。预测回归模型是数据回归的一种扩展，通过引入经验似然域，可以提高模型的准确性和...
基于相场和似然模型的多分支脑血管分割
04-07
为了应对这些挑战，我们开发了一个新的Allen Cahn（AC）方程和可能性模型来在血管造影图中分割血管。 它的水平集公式结合了长度，基于区域和正则化的术语。 长度项由具有双阱势的AC方程表示。 基于区域的术语结合了...
Logistic回归模型的最大似然估计和偏差减少的性质
06-05
估计逻辑回归模型时经常遇到的问题是似然最大化算法无法收敛。 尽管在对逻辑回归的参数的最大似然估计进行偏差校正时非常流行并且建立得很好，但是对最大似然方法的行为和性质的研究较少。 本文的主要目的是利用归约...
[运动规划算法]基于似然场的快速避障算法
xiewf的博客
05-06 1672
文章目录一、简介二、原理三、项目演示参考 一、简介 出自 本文提出了一种在复杂环境中实现快速自主飞行的计划方法。 对环境进行建模，使其在传感器探测范围内确定性已知，范围外概率已知， 该方法并非寻找代价最低的路径，而是最大化确定能成功导航到下一个目标的可能性。 如果先前的地图可用，则概率通过环境离线传播。 如果没有先验地图，则该方法将来自目标点或人工引导的定向输入作为导航的指引。轨迹库实现的在线方法使用调制解调器嵌入式计算机上的单个CPU线程确定0.2-0.3毫秒内的路径。在实验中，它使轻型无人机能够在复杂
AMCL似然域模型原理解析
huafy96的博客
06-04 2055
在学习AMCL定位时,似然域模型,思考好久,终于其中的一个困扰很久的问题. 为什么激光扫描点能够计算离子的权重?看了好多同志们的的解注,都没消除疑惑. 主要是这一段: // Compute the endpoint of the beam计算激光雷达点最远端的世界坐标 //将激光点映射到地图中 hit.v[0] = pose.v[0] + obs_range * cos(pose.v[2] + obs_bearing); hit.v[1] = pose.v[1] + obs_range * .
AMCL中似然场模型相关代码
m0_37923410的博客
04-07 1841
首先，我们要先了解四类测量误差：小的测量噪声、意外对象引起的误差，以及由于未检测到对象引起的误差和随机意外噪声。 a.小的测量噪声 即使传感器正确测量了最近对象的距离，它返回的值也受到误差的影响。该误差由测距传感器的有限分辨率、大气 对测量信号的影响等引起，呈高斯分布 b.意外对象引起的误差这种情况下测量距离的概率用指数分布来描述，这里不多讲解，因为似然域未用到。 c.由于未检测到对象引起的误...
激光slam学习日记——激光雷达数学模型和运动畸变去除
weixin_51326570的博客
03-10 2048
激光slam学习日记——激光雷达数学模型和运动畸变去除
激光slam课程学习笔记－－第５课：传感器数据处理II：激光雷达运动畸变去除
qq_45701501的博客
04-23 3488
前言：这系列笔记是学习曾书格老师的激光slam课程所得，这里分享只是个人理解，有误之处，望大佬们赐教。这节课主要介绍激光的运动畸变去除相关知识。 1.概念介绍 1.1激光雷达传感器介绍 1.1.1　测距原理 三角测距、飞行时间 [比较便宜的，或者探测距离10米内的，激光雷达测距原理一般选择三角测距] [远距离使用飞行时间比较合适，但是想要短距离使用且保证精度，是非常有挑战性的][个人理解，短距离如1米范围，使用飞行时间原理的雷达测距，效果非常差] 1.1.2 特点 1）三角测距： a、中近距离精度较高[
激光SLAM理论与实践 笔记 - 激光前端配准算法（基于优化/势场方法） 第四期
少磊的博客
01-28 1542
– 第五章 激光前端配准算法（基于优化/势场方法） 以下为基于势场的方法，与ICP算法不一样，以下算法都不需要匹配点；简单来说就是对某段连续的激光点（障碍物）进行高斯平滑/膨胀，再用分数评价，离激光点（障碍物）越近，得分越高（障碍物本身得分为零），人为地构造出一个得分势场； 这样只要比较得分即可，不需要匹配点。 基本数学概念： a.梯度gradient，由多元函数的各个偏导数组成的向量 以二元...
小豆包的学习之旅：传感器观测模型
weixin_34254823的博客
04-21 233
　　传感器观测模型，主要针对激光测距传感器进行说明。 1.Beam Model 测量光束模型 　　激光测量光束模型是对激光测量过程的近似物理描述，激光测距仪沿激光发出的光束测量周围物体的距离。该模型将一条沿光束进行的测量$p(z_{t}|x_{t},m)$表达为四种概率密度的混合。认为存在四种类型的测量误差。   2.Likehood Field 似然场模型  　　主要思想是将激光传感器...
概率机器人（Probability Robotics）笔记 Chapter 6: 测量（Measurements）
DaqianC的博客
10-23 1557
概率机器人笔记 Chapter 6: 测量（Measurements） 1. 简介 测量模型描述了在物理世界中传感器数据的生成。 概率机器人学将噪声显式地融入传感器测量模型中。 测量模型定义为条件概率p(zt∣xt,m)p(z_t|x_t,m)p(zt​∣xt​,m) 对于超声波的噪声： 1.偏大：以特定角度测量光滑平面->反射（specular reflection效应） 2.偏小：sen...
最大似然估计MLE与贝叶斯估计
热门推荐
bitcarmanlee的博客
08-13 2万+
上大学学习数理统计这门课程的时候，没有特别用心。说实话统计学还是挺枯燥的，而且当时也没有太多的学习意识，不知道为什么要学这些貌似八竿子打不着的东西。现在想想，当时真是too simple，sometimes naive啊。。等到越往后面深入，发现需要用的数学知识尤其是统计学知识越来越多，因为现在机器学习里发展最成熟应用最广泛的一部分就是统计机器学习，自然离不开统计学的方方面面。而且随着研究的逐步深入
CRFs模型：极大似然与条件随机场详解
在CRFs模型中，极大似然函数是其核心概念，它建立在统计学习理论的基础之上，特别是在最大熵原理的指导下。CRF（Conditional Random Fields）是一种判别式概率模型，由约瑟夫·拉弗蒂（Joseph Lafferty）在2001年...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值