参考《概率机器人》书籍。
这是一种用粒子表示置信度bel(xt)的定位算法(基于粒子滤波的定位算法)
蒙特卡洛的优点是1.能够近似任何实际的重要性分布;2.能够表示复杂多模概率分布,并能与集中的高斯式分布无缝融合。
随机粒子蒙特卡洛定位:失效恢复
蒙特卡洛定位以目前的形式能解决全局定位问题,但是不能从机器人绑架中或全局定位失效中恢复。
任何随机算法在重采样步骤中可能意外地丢弃所有正确位姿附近的粒子。
解决方法是增加随机粒子到粒子集合中。,算法参考为Augemented_MCL()。(随机采样的数目由短期和长期传感器测量似然比较确定)。