Parçacık filtreleri, robot yerelleştirme için popüler bir yöntemdir, robotların bir ortamda konumunu tahmin etmelerine izin verir. Belirsizlik ve gürültülü sensör verileri işlemek için olasılıksal modellere güvenirler.

Bayesian Framework

Parçacık filtreleri Bayesian filtrelemeye dayanmaktadır, bu tahminin iki adımını içerir: tahmin ve güncelleme. Tahmin, robotun hareket modelini yeni durumu tahmin etmek için kullanırken, güncelleştirme bu tahmini düzeltmeye yönelik sensör ölçümlerini içerir.

Matematiksel Model

Robotun durumu bir olasılık dağılımı tarafından temsil edilir ( p(x t | z {1:t}, u {1:t}) ), nerede ( x t ), zaman içinde devlettir ( t), ( z {1:t} ), sensör ölçümleri ve ( u {1:t} ) kontrol girdileridir.

({x t^{[i]}, w t^{[i]}} {i=1}^N ), her parçacığın ( x t^{[i] ile ilişkili bir ağırlık vardır ( w t^{[i]).

Sınırlı Süreç

Kompiyon, parçacığın degeneracy'yi önlemek için önemli bir adımdır, en ağırlıkların negable hale geldiği yerde. Kiloları eşit ağırlıklarla yeni bir set oluşturmak için ağırlıkları seçmek içerir.Bu işlem olasılık dağılımının bir temsilcisini korur.

  • Parçacıkların Başlangıçı
  • Hareket modeli kullanarak Prediction using motion model
  • Sensör verileri ile kilo güncelleme
  • Yüksek olasılıklı partiküllere odaklanmak için reampling