粒子滤波算法流程
粒子滤波算是一个非常经典的算法了,具体的思想步骤不再详述,这里和这里讲的都比较详细了。
下图就是算法的伪代码,分为以下几个步骤:
- 第一行是算法的初始化,将在这一步根据GPS的数据进行一个粗略的位置估计。
- 第三行是预测,为所有的粒子添加yaw rate和velocity
- 四五行是更新,更新每个粒子的权重(权重就是之后resample的依据)
- 最后一个for循环就是重采样,权重大的点更有可能被选中
下图是粒子滤波车辆定位算法的流程图。
初始化
在车辆定位问题中,不能将所有点的分布视为平均分布,比较好的办法就是根据GPS的信息,并考虑到传感器的高斯噪声来随机撒点。具体的做法就是将GPS读取的信息作为均值,传感器高斯噪声作为方差,让所有点服从这两个参数下的正态分布,代码如下:
void ParticleFilter::init(double x, double y, double theta, double std[]) {
default_random_engine gen;
normal_distribution<double> dist_x(x, std[0]);
normal_distribution<double> dist_y(y, std[1]);
normal_distribution<double> dist_theta(theta, std[2]);
num_particles = NUM_PARTICLES; // TODO: Set the number of particles
particles.resize(num_particles);
for(auto &p : particles){
p.x = dist_x(gen);
p.y = dist_y(gen);
p.theta = dist_theta(gen);
p.weight = 1;
}
is_initialized = true;
}
预测
更新需要根据车辆的运动学方程,匀速运动的车不必多说,单位时间内的位置更新就是简单的速度*夹角正弦或者余弦。如果是变速运动,那么用如下公式计算:
当然,我们仍然需要叠加上高斯噪声,具体代码如下:
void ParticleFilter::prediction(double delta_t, double std_pos[],
double velocity,