蒙特卡洛定位的移動機器人

Question

我執行的Monte-Carlo定位爲我的機器人，它被賦予地圖的環境和它的起始位置和方向。我的方法如下：

1. 一致在每一步產生圍繞給定的位置500米的顆粒
2. 然後：
   • 運動更新所有與里程計的顆粒（我的當前方法是下一頁末= oldX + odometryX（1 + standardGaussianRandom）等）
   • 使用聲納數據（公式爲每個傳感器概率* = gaussianPDF（realReading）其中高斯具有平均predictedReading）
   • 返回的粒子與最大概率作爲升分配權重給每個粒子ocation在該步驟
   • 然後新粒子的9/10從舊的根據權重和1/10圍繞預測位置

均勻採樣的再採樣現在，我寫一個模擬器機器人的環境，這裏是這個本地化如何表現：http://www.youtube.com/watch?v=q7q3cqktwZI

我非常害怕，在較長的時間內機器人可能會迷路。如果將粒子添加到更廣的區域，機器人會更容易丟失。

我期待更好的表現。有什麼建議？

Answer 1

最大的錯誤是，你認爲權重最高的粒子是你的後路狀態。這不符合粒子濾波器的主要思想。

設定你的里程計讀數更新粒子的就是你的建議分佈。通過考慮最高權重的粒子，你完全忽略了這種分佈。如果你只是在整個狀態空間中隨機傳播粒子，然後用解釋聲納數據的一個粒子最好，那也是一樣的。你只能依靠聲納閱讀，因爲聲納數據非常嘈雜，你的估計非常糟糕。更好的方法是給每個粒子分配一個權重，對權重進行歸一化，將每個粒子狀態乘以它的權重並將它們相加得到你的後驗狀態。

對於您的resample步驟，我建議刪除圍繞預測狀態的隨機樣本，因爲它們會破壞您的提案分佈。生成隨機樣本以從失敗中恢復是合法的，但這些樣本應該分佈在整個狀態空間中，並且明確地不在當前的預測範圍內。