静态二值贝叶斯滤波

一、一个占用栅格地图实例

1. 建立模型

• 如果将其建模为传统贝叶斯估计

在这个问题中也是可以的，主要因为z观测在这里进行了离散化，只有两种可能(hit/mis). 因此可以采用简单的统计手段就可以把类似然概率求出来$p(z|x)$. 但是对于一般的连续性的ｚ，就比较难了。

• 静态二值滤波建模

  输入：一次观测的后验概率, 先验概率

  输出：若干次观测后的后验概率

  应用的主要模型：

  $$L_n=L_{n-1}+log(\frac{p(x|z)}{1-p(x|z)})-log(\frac{p(x)}{1-p(x)})$$

  最后得到概率：$$L=log(\frac{p}{1-p})$$

2. 举例

待估计的参数是一个占用栅格，用x表示其状态 $x=[0,1]=[占用，空白]$. 有一个激光雷达，其观测为z，$z=[击中、空旷]$. 从使用经验可知，$p(x=占用|z=击中)=0.99$, $p(x=空白|z=空旷)=0.95$.
现在一个激光器进行了10次观测，前9次为击中，最后一次为空旷，求该栅格为占用的概率，使用二值静态贝叶斯估计的方法计算其概率为：
$$\begin{gathered} L_0=log(0.5/(1-0.5))=0 \\ {L}_1=L_0+log(0.99/0.01)-L_0=log99 \\ {L}_2=L_1+log(0.99/0.01)-L_0=2\ast log99 \\ ... \\ {L}_9=L_8+log(0.99/0.01)-L_0=9\ast log99 \\ {L}_{10}=L_9+log(0.05/(1-0.05))-L_0=9\ast log99+log0.0526 \end{gathered}$$
因此： p ( x = 占 用 ) = 1 − 1 / ( 1 + e x p { l ( x ) } ) = 1 p(x = 占用) = 1 - 1 / (1 + exp\{l(x)\}) = 1 p(x=占用)=1−1/(1+exp{l(x)})=1 非常靠近

3. 相关分析

• Who: 机械手判断二值问题（门的开关）、Gmapping, RTAB-MAP, Cartographer的栅格地图采用这种方式。
• What:见前面的原理部分。
• When：当观测模型(p(z|x), 也就是类似然概率)，过于复杂（观测空间太大）的时候，如ｚ是原始图像。
• Where：应用在地图表达中。
• Why:因为传统贝叶斯估计，需要观测模型（类似然概率），而观测模型过于复杂，此时就要考虑逆观测模型是否可用。
• How:输入输出见模型部分。

结论

1. 静态二值贝叶斯滤波解决了两个问题：

• 当类似然概率p(z|x)不容易求时，运用该方法可以进行概率的计算。如当观测z是图像等高维信息，或者黑盒信息。
• 概率累乘过程中，容易产生截断误差，该方法将乘法变成加法，参考该文

2. 当然，任何一种方法都有其局限性与缺点：

• 因为推导过程中使用了二值假设，因此该方法不再能应用于点估计了，只适用于二值估计中的概率计算。

参考文献

1. 笔记
2. 占据栅格地图
3. <Probabilistic Robotics>，P70 静态二值贝叶斯滤波；P214 占用栅格地图。

参考资料

1. processon笔记