这个问题是非常重要的,实际上任何随机算法,就想蒙特卡洛算法,在重采样步骤中可能意外的丢弃所有正确位姿附近的粒子。当粒子数很小(M=50)。并且,当粒子扩散到整个比较大的体积(如全局定位过程)时,这个问题的重要性就能充分的显示。当然这个问题已经解决了,AMCL的提出正是对这个问题的一个解决方法。AMCL算法在机器人遭到绑架的时候,会随机的注入粒子(injection of random particles)。相对MCL算法,AMCL算法正是多了一个“A”” ,那么这个"A"是什么?“”A“”是adaptive 自适应的缩写,但是个人觉得将"A"理解为Augmented(增加的)更为合适。
amcl理解前言 首先这是我的第一篇博文,我希望以我的理解为每一个学习ROS的爱好者提供帮助,同时我也是作为一个初学者的身份,希望各路前辈能够驻足交流一下经验。如果有理解不当的地方希望指出。正文 AMCL(adaptive Monte Carlo Localization)自适应蒙特卡洛定位 ,源于MCL算法的一种升华,一种提高。那么为什么要从MCL上升至AMCL呢?