AMCL系列之概念二

一、卡尔曼

给出写得很好的文章链接：

无人驾驶技术入门（十三）| 手把手教你写卡尔曼滤波器 - 知乎

关于卡尔曼及卡尔曼增益的理解【精】_Jack Ju的博客-CSDN博客

对卡尔曼滤波中增益系数K表达式的理解_卡尔曼增益矩阵k_少年芒果君的博客-CSDN博客

1. 概念

卡尔曼滤波器：根据上一时刻的状态，预测当前时刻的状态，将预测的状态与当前时刻的测量值进行加权，加权后的结果才认为是当前的实际状态，而不是仅仅听信当前的测量值。

状态转移矩阵F：指事物由一种状态转移到另一种状态的概率。

状态协方差矩阵P：表示系统的不确定程度，在卡尔曼滤波器初始化时会很大，随着越来越多的数据注入滤波器中，不确定程度会变小。

卡尔曼增益K：，就是求y值的权值。δp越大时，k越大，这样对于预测来说它的噪音的不确定性变大，所以我们相信更传感器的测量值；δp越小的时候，k越小，这样对于预测来说它的噪音不确定性变小，所以我们更相信预测的值。

2. 滤波原理

第一步：根据当前状态向量预测下一时刻状态向量；根据当前系统稳定性预测下一时刻系统稳定性。

第二步：求得卡尔曼增益

第三步：更新状态向量x和系统不确定度P。

二、扩展卡尔曼滤波

给出写得很好的文章链接：

扩展卡尔曼滤波_菜鸟知识搬运工的博客-CSDN博客

扩展卡尔曼滤波（Extended Kalman Filter，EKF）：是标准卡尔曼滤波在非线性情形下的一种扩展形式，EKF算法是将非线性函数进行泰勒展开，省略高阶项，保留展开项的一阶项，以此来实现非线性函数线性化，最后通过卡尔曼滤波算法近似计算系统的状态估计值和方差估计值。

与卡尔曼滤波的不同点：主要是是将非线性系统近似为线性系统，然后照着卡尔曼滤波来就行了。

三、粒子滤波

写不出来，直接上原文：

 四、自适应蒙特卡罗定位算法

后续文章慢慢分析。。。