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
- https://zhuanlan.zhihu.com/p/93011093
- 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