(Mark:有空把Fast-SLAM论文看一下)
原理
Fast-SLAM也是用粒子滤波(RBPF,就是PF加了RB分解,把地图m提出来了)。
之前我们已经推导过贝叶斯滤波即,给定观测和控制量,当前时刻状态量x 等于
常数 * 观测 *(运动模型 * 上一时刻状态量)
那实际SLAM运用中我们还需要一个地图m,那就是求
(引入条件概率公式)
可以得到
地图m跟控制量无关
我们只需要把精力放在求机器人状态上面
因为有了状态之后,地图是有确定解的(close_form)。
跟之前的两篇一样,我们希望把这个状态量做成一个迭代解的形式。(把轨迹问题转变成增量问题)。
推导如下