![a217455a1288beccae2e1c83a925490e.png](https://i-blog.csdnimg.cn/blog_migrate/2bbcdeb56d96cc365e2071eaac70bc76.jpeg)
前面讲到的Kalman滤波是针对线性高斯的动态模型,当动态模型是非线性非高斯,则可以使用粒子滤波。
![eaa7396d2d43cfc33712185bc7819673.png](https://i-blog.csdnimg.cn/blog_migrate/8779b8ba8c3a3bcc0bb05d0d6616d63f.jpeg)
Particle filter可以应用在物体追踪方面,下面通过一个简单的解释来理解其算法。
我们现在通过放很多只狗来追踪物品,狗则代表的是粒子particle。狗狗会返回一个目标相似度与目标可能位置,相似度则类似于我们下面的权值
粒子追踪的思路就是循环以下过程:重要性采样(即放狗,搜集每个狗追踪的位置以及权重)+ 重采样(重新放狗)
1. 蒙特卡洛方法
蒙特卡洛的思想就用使用均值代替积分。
对于任意的函数
2. 重要性采样 Importance Sampling
首先,我们知道求一个函数
此时, 这个积分比较复杂,于是我们可以通过在
这个