课程1 Localization Overview

1.   Introduction

课程老师Sebastian于2004年 DARPA Ground Challenge 比赛开始对无人驾驶汽车感兴趣。

他在斯坦福的团队开发了Stanley机器人（无人车）,拿了第一名，车子的测距传感器包括测前方距离的一个车载雷达，还有激光传感器。在沙漠中行驶了131英里，获得了第一名，为斯坦福赢得了200万美元。

后来 UrbanChanllenge中，这个团队制作了 Junior ，并取得了第二名。比赛地形模仿的是城市交通。

后来，谷歌开始开发无人车。

2.   Localization

首先要解决的问题是定位。传统的定位方式是通过 GPS卫星，但是GPS定位精度不够，误差可能有几米，但是无人车要求定位误差在几个厘米范围级别。

3.   Total Probability

a.假设一个先验信度，从机器人的角度，以一维世界建模分析为例。比如当机器人在一条直线上，直线上有N个地标，这时可以假设在某个地标附近的概率为 1/N。（先验信度？）

b.机器人感知周围的环境(通过测量)

c.计算后验信度，比如它发现了一个地标（假设很多地标都差别不大），这时在机器人在相似地标附近的概率/信度 就增加了。在横轴为一维上的坐标，纵轴为在该地标的概率的平面直角坐标系上，第一次测量时，概率图形可能会从1/N的水平线，变成了有多个波峰的曲线。