概率机器人_阅读4_C7_定位-localization

Abbr:

 TBD

牢记

重点

---

贝叶斯滤波器有多种数学表达形式：

从卡尔曼滤波开始，用一阶矩和二阶矩表示置信度，然后利用离散的栅格表示法，最后引入使用粒子滤波的算法。

---

1. 扩展卡尔曼滤波：

扩展卡尔曼滤波定位用一阶矩和二阶矩 表示置信度 bel(x,), 即均值µ,和协方差 。

讨论： 在基于特征的地图中， EKF 如何实现？

预备知识：

C6 感知章节，

特征地图的表示--多个特征ID（地标） 构成的信息集合。

传感器测量模型：

已知：机器人的坐标， 特征地图m 已知 （高精度地图），特征ID 也已知（特征匹配过程的输出结果），特征ID的测量结果Z

求：测量的概率模型（测量结果的置信度）？

 

个人理解如下：

 

 

。。。基础薄弱，看到这里，需要回去看前面章节。第五章，第三章KF 。。。