贝叶斯滤波与卡尔曼滤波第九讲笔记《粒子滤波》
https://www.bilibili.com/read/cv5977119
应用最广泛
原理最复杂
术语最多
重采样
贝叶斯滤波是一切的起点
状态方程
观测方程
slam 请专注于非线性优化(图优化) + 激光slam , 不需要学pf (particle filter)
因为滤波无法处理动态场景
粒子滤波:静态环境,动态可预测环境,能 未卜先知 的知道数据什么时候不好
Q R可以外部环境自适应调节,自适应卡尔曼滤波
粒子滤波 对 无穷积分进行处理(一般无解析解)
蒙特卡洛积分(不懂)
由大数定律引发的遐想,随机试验的均值 等于 期望
暗示了什么?求和和积分近似相等的关系
可以用一堆粒子来近似概率密度,就是粒子滤波
粒子的位置和权重决定了cdf 概率分布
怎么采样是非常难的问题,后面讲
在正态分布里采样比较容易,软件生成随机数
很难对概率密度进行采样
做傅里叶变换,把一个事件拆成几个小事件
重采样