超级会员免费看
本文介绍了SLAM GMapping中的重采样机制，旨在解决粒子滤波器的退化问题。通过定义评价粒子权重相似性的Neff指标，当其低于阈值时执行重采样，以保持粒子的多样性。重采样函数resample用于更新粒子群，并在满足条件时将激光扫描信息注册到地图上。此外，文章还概述了重采样器的实现细节。
1. 重采样
重采样是为了消除早期SIS粒子滤波器的粒子退化问题
其基本思想是对赋予权重的粒子集合进行重新采样，从中取出权重较小的粒子，增加权重较大的粒子
虽然，这一操作成功地解决了粒子退化问题
但它带来了一种所谓的粒子匮乏地问题，随着迭代次数的增加，粒子的多样性在下降
GMapping采取了一种自适应的方式进行重采样
定义了一个指标Neff来评价粒子权重的相似度
只有在Neff小于一个给定的阈值的时候才进行重采样，其背后的思想可以在《SLAM GMapping（7）粒子和轨迹》查看
就是，粒子的权重差异越小， Neff越大，得到的粒子则更接近于对目标分布的采样
2. 重采样函数
通过resample重采样函数，当权重相似性小于设置的阈值时，
利用resampleIndexes函数获取采样后的粒子在原始粒子集合中的索引
将选取的样本记录在临时粒子集合temp中，删除原粒子群
遍历重采样保留的临时粒子集合，将激光扫描的占用信息注册到栅格地图上ÿ
订阅专栏 解锁全文
扫一扫
9149
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
