概率机器人状态估计的基础知识

本文介绍了概率机器人状态估计的基础知识,重点讲解了贝叶斯准则、状态完整性、概率生成法则和置信分布的概念。通过贝叶斯准则,解释了如何利用传感器测量值来估计机器人状态,并探讨了状态转移概率和测量概率在动态随机系统中的作用。
摘要由CSDN通过智能技术生成

概率机器人状态估计的基础知识

       在机器人定位及状态估计的问题中,有着各种滤波器,如大名鼎鼎的卡尔曼滤波器,以及信息滤波、直方图滤波、粒子滤波等,但这些滤波的本质仍然是贝叶斯滤波,贝叶斯滤波是对该问题的一般性解决方法的描述性算法,我们将在这篇文章详细地说明贝叶斯滤波之前的基础知识,为接下来的内容提供理论工具。
       看了《概率机器人》有关于此的介绍,结合这本书和自己的理解写了以下的内容。

几个重要的基础概念

       对于贝叶斯滤波来说,我们需要知道一些有关概率、统计与估计等方面的知识,主要涉及矩阵分析、概率与数理统计、随机过程等课程的内容,下面截取几个重要的基础知识作为预备知识。

1、贝叶斯准则

       贝叶斯准则在机器人相关滤波中起到很大的作用,其主导地位的确定是因为其可以通过“逆”条件概率先验概率去计算出后验概率

       在这里可能不会就很快地理解上面这句话,下面我们就用一个简单的例子来说明贝叶斯准则解决的问题是什么。

       我们假设机器人所处的环境及其自身的位置可用状态X来表示,机器人自身带有传感器,能够使用传感器来探测周围环境和自身姿态,传感器测量为Y。我们现在需要用传感器的测量值Y来估计机器人实际的状态X,这个问题相当于是求概率p(X|Y),即在测量值为条件下的状态的概率分布情况。贝叶斯准则如下:
p ( X ∣ Y ) = p ( Y ∣ X ) p ( X ) / p ( Y ) p(X|Y)=p(Y|X)p(X)/p(Y) p(XY)=p(YX)p(X)/p(Y)
       对于概率p(X),我们将其成为先验概率分布,即在传感器测量之前,我们就综合之前的有关x的信息。p(X|Y)就是我们需要求的后验概率,即在传感器测量下的对x的状态进行估计。求解后验概率的方法如贝叶斯准则,可以将其转换为后验概率的“逆”条件概率p(Y|X)和p(x)先验概率来求得。

       对于后验概率的逆概率p(Y|X),我们称其为生成模型,对于这个概率,我们理解为在状态X的条件下,传感器测量值Y的概率分布,即在X条件下的导致Y的分布情况,由X到Y的顺序,这个也是我们因果的正常关系,先有的因,再去产生结果。而我们需要求解的后验概率为:知道了传感器的测量值Y作为条件,来推测当前状态X,也就是知道了结果来推测其产生的原因。所以贝叶斯准则是将由结果推测原因的问题转化成由原因推测结果的转换过程。

2、状态的完整性

       机器人的状态包括了周围环境的状态和其自身的状态,我们假设一个状态Xt能够最好地去预测未来,则称该状态是完整的。

       这里的完整性指的是包括过去测量及控制的信息,当不包括其他可以更加精确地预测未来的附加信息。另外完备性并不是对未来有一个确定的预测函数。未来是随机的,但是没有先于

作者:Timothy D. Barfoot ,最新2018高清资源,完整395页,持续更新。 版权归作者所有,任何形式转载请联系作者。 State Estimation for Robotics早已在SLAM领域广为流传,几乎是SLAM入门必读的经典书籍之一。本书深入讲解了状态估计的机理、三维几何学基础、矩阵李群以及位姿和点的估计方法等,尤其对基于滤波器状态估计方法的介绍全面深刻。现在在高翔、颜沁睿、刘富强等十多位SLAM专家、爱好者的共同努力下,中文译本《机器人学中的状态估计》也终于得以面世。这对于国内广大SLAM爱好者来说,可谓一大福音,值得隆重推荐。 ——浙江大学教授,CAD & CG国家重点实验室计算机视觉团队带头人,章国锋 State Estimation for Robotics是加拿大多伦多大学Barfoot教授的名著,也是机器人方向的经典教材之一。该书侧重数学基础,先花了三分之二的篇幅来介绍概率、几何方面的基础知识,最后又回到应用问题,详细介绍了基于点云和图像的姿态估计。 这是一本难得的既注重基础又顾及前沿研究问题的教材。书的译者是一群对机器人技术富有激情的年轻人,他们中的许多人在计算机视觉、机器人等科研领域开始崭露头角。这本译作倾注了他们的满腔热忱和对国内技术发展的期望。 ——加拿大西蒙弗雷泽大学终身教授,谭平 本书介绍了机器人领域的重要核心技术——状态估计。这本书不只介绍了一些传统的经典算法,也涉及了最新的行业进展和应用,同时还传授了一些基础的数学工具。本书使用严谨的数学语言,同时又深入浅出,是初学者不可多得的良师益友。 ——自动驾驶公司AutoX创始人,原美国普林斯顿大学计算机视觉与机器人实验室主任,麻省理工学院博士 肖健雄
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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