论文笔记——移动机器人多传感器融合的SLAM新方法

创新点：

第一步融合IMU-里程计建立机器人运动模型；

第二步联合激光雷达观测信息进行二次融合，优化建议分布函数；

第三步改进粒子重采样策略，减缓粒子耗散问题。

    （1）对粒子权值进行降序排序。

    （2）构造分布函数，求出粒子分布函数值。粒子权重越小，对应分布函数值越大。分布函数值在【1/2，1】之间的粒子权重小，与机器人实际位姿偏差较大。保留分布函数值小于1/2的粒子。

    （3）根据分布函数值进行筛选，去除权值排名前三的粒子，然后任意选取一个粒子，设其在新粒子集中对应的位置为A，分布函数值为1/2的粒子在新粒子集中对应的位置为B，最后哦在【A，B】之间执行重采样。

知识点：

RBPF-SLAM算法步骤：

（1）粒子重要性采样。利用给定的重要性建议分布采样得到N个初始粒子，每个粒子对应一个权值。

（2）粒子权值计算。根据重要性采样原则，粒子的权重定义为建议分布与目标分布的比值。

（3）重采样。根据粒子权值的大小，重新筛选粒子，淘汰小权值粒子，复制大权值粒子。

（4）状态估计与地图更新。