资料总结——关于KF与AMCL的相关资料

进行了一段关于ros_navigation_stack的实践与学习，之后深入学习了关于kalmen filter 和 AMCL的原理推导，demo程序实现，工程程序源码阅读，打算在本文把之前拿来学习参考的资料总结一下，方便日后回顾与帮助他人早点入门。当然了，这些东西更多可以参考一下《概率机器人》，里面都有，不过我更建议别硬刚这本书，当补充资料来反复看，就很好了。（毕竟很多东西都是以这个里面的原理为蓝本编写的，特别是amcl的包。）

• KF
  • https://zhuanlan.zhihu.com/p/93011093
    • 该文章对卡尔曼滤波比较形象地描述了卡尔曼的本质（其实就是根据数据源的方差来对数据动态加权平均，得到想要的结果）
  • https://zhuanlan.zhihu.com/p/85257397
    • 结合上一个食用更佳
  • https://zhuanlan.zhihu.com/p/87456670
  • https://zhuanlan.zhihu.com/p/63641680
    • EKF(比起KF其实就是利用泰勒展开，把状态转移方程和测量更新方程线性化，把这个线性化的东西利用到协方差更新上，从而保证了协方差预测更新能保持着高斯分布，从而降低估计的偏差)
  • https://zhuanlan.zhihu.com/p/37750839
    • 作为代码补充
• AMCL
  • https://zhuanlan.zhihu.com/p/107223012
  • https://zhuanlan.zhihu.com/p/100600881
    • 可以简单了解一下，简单入门MCL（Monte Carlo Localization），也是Particle Filter Localization，AMCL也就是在其基础上加了个自适应粒子生成，另外还有一个不知道是不是算里面的KLD重采样
  • https://gaoyichao.com/Xiaotu/?book=turtlebot&title=index
    • 大佬关于AMCL的详细源码解读，确实很好，配合源码和结合《概率机器人》辅助阅读，效果忒好