amcl算法问题

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？

   那么我们谈谈MCL算法，蒙特卡洛定位适用于局部定位和全局定位两类问题，尽管它相对的年轻，但是已经成为定位领域中的主流算法。MCL以目前的形式解决了全局定位问题，但无法从机器人绑架或全局定位失败中恢复过来。当位置被获取时，其他地方的不正确粒子会逐渐消失。在某种程度上，粒子只能“生存”在一个单一的姿势附近，如果这个姿势恰好不正确，算法就无法恢复。.

    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。

    理清了MCL和AMCL的区别，那么我们看一下AMCL具体是怎么执行的。请看下面个人做的PPT截图。（请仔细看ppt内容，有相对的知识可以剖析，文字不做过多介绍）

（1）MCL算法和AMCL算法的区别：

         AMCL算法增加了短期和长期的指数滤波器衰减率αslow，αfast，换句话说MCL中αslow，αfast为0，AMCL中的不为0。