大家好，又見面了，我是你們的朋友全棧君。
前端比對（局部定位）
AMCL（全局定位）
AMCL(adaptive Monte Carlo Localization)自适應蒙特卡洛定位，A也可以了解為augmented，是機器人在二維移動過程中機率定位系統，采用粒子濾波器來跟蹤已經知道的地圖中機器人位姿，對于大範圍的局部定位問題工作良好。對機器人的定位是非常重要的，因為若無法正确定位機器人目前位置，那麼基于錯誤的起始點來進行後面規劃的到達目的地的路徑必定也是錯誤的。
- 粒子濾波和蒙特卡洛
蒙特卡洛：是一種思想或方法。舉例：一個矩形裡面有個不規則形狀，怎麼計算不規則形狀的面積？不好算。但我們可以近似。拿一堆豆子，均勻的撒在矩形上，然後統計不規則形狀裡的豆子的個數和剩餘地方的豆子個數。矩形面積知道的呀，是以就通過估計得到了不規則形狀的面積。拿機器人定位來講，它處在地圖中的任何一個位置都有可能，這種情況我們怎麼表達一個位置的置信度呢？我們也使用粒子，哪裡的粒子多，就代表機器人在哪裡的可能性高。
粒子濾波：粒子數代表某個東西的可能性高低。通過某種評價方法（評價這個東西的可能性），改變粒子的分布情況。比如在機器人定位中，某個粒子A，我覺得這個粒子在這個坐标（比如這個坐标就屬于之前說的“這個東西”）的可能性很高，那麼我給他打高分。下次重新安排所有的粒子的位置的時候，就在這個位置附近多安排一些。這樣多來幾輪，粒子就都集中到可能性高的位置去了。
-
自适應蒙特卡洛（失效恢複）
自适應展現在：1解決了機器人綁架問題，它會在發現粒子們的平均分數突然降低了（意味着正确的粒子在某次疊代中被抛棄了）的時候，在全局再重新的撒一些粒子。
-
KLD采樣（調節粒子數）
就是為了控制上述粒子數備援而設計的。比如在栅格地圖中，看粒子占了多少栅格。占得多，說明粒子很分散，在每次疊代重采樣的時候，允許粒子數量的上限高一些。占得少，說明粒子都已經集中了，那就将上限設低，采樣到這個數就行了。
- MCL算法和AMCl算法的差別
AMCL算法增加了短期和長期的指數濾波器衰減率αslow，αfast，換句話說MCL中αslow，αfast為0，AMCL中的不為0。
（1）四個參數的含義
（2）xt代表M個粒子的集合，第5行利用運動模型從舊粒子采樣擷取新位姿，第6行它的重要性權重依據測量模型設定。
動态環境下全局定位
（1）狀态增廣技術
（2）異常值去除技術
見《機率機器人》p204
參考：添加連結描述
釋出者：全棧程式員棧長，轉載請注明出處：https://javaforall.cn/172364.html原文連結：https://javaforall.cn