1. 重采样

重采样是为了消除早期SIS粒子滤波器的粒子退化问题
其基本思想是对赋予权重的粒子集合进行重新采样，从中取出权重较小的粒子，增加权重较大的粒子

虽然，这一操作成功地解决了粒子退化问题
但它带来了一种所谓的粒子匮乏地问题，随着迭代次数的增加，粒子的多样性在下降

GMapping采取了一种自适应的方式进行重采样
定义了一个指标Neff来评价粒子权重的相似度
只有在Neff小于一个给定的阈值的时候才进行重采样，其背后的思想可以在《SLAM GMapping（7）粒子和轨迹》查看
就是，粒子的权重差异越小， Neff越大，得到的粒子则更接近于对目标分布的采样

2. 重采样函数

通过resample重采样函数，当权重相似性小于设置的阈值时，
利用resampleIndexes函数获取采样后的粒子在原始粒子集合中的索引
将选取的样本记录在临时粒子集合temp中，删除原粒子群
遍历重采样保留的临时粒子集合，将激光扫描的占用信息注册到栅格地图上，粒子群新增重采样保留的粒子

SLAM GMapping（8）重采样相关推荐

SLAM GMapping（4）SLAM处理器
SLAM GMapping(4)SLAM处理器 1. SLAM处理器 2. 构造 3. 激光传感器 4. 初始化 5. 粒子滤波更新 1. SLAM处理器在 <SLAM GMapping(1) ...
SLAM GMapping（6）扫描匹配器
SLAM GMapping(6)扫描匹配器 1. 扫描匹配 2. 爬山优化 2.1 寻优思路 2.2 爬山初始化 2.2 爬山过程 3. 似然度和匹配度 4. 地图更新 4.1. 更新有效区域 4.2 ...
SLAM GMapping（5）运动模型
SLAM GMapping(5)运动模型 1. 运动模型定义 2. 运动估算 1. 运动模型定义在 <SLAM GMapping(4)SLAM处理器> 中粒子滤波更新的第一步是运动更新 ...
SLAM GMapping（2）传感器
SLAM GMapping(2)传感器 1. 传感器 2. 传感器基础类 2.1 Sensor 2.2 Sensorreading 3. 里程计传感器 3.1 OdometrySensor 3.2 O ...
SLAM GMapping（7）粒子和轨迹
SLAM GMapping(7)粒子和轨迹 1. 粒子 2. 轨迹 3. 更新轨迹权重 3.1. 粒子权重归一化 3.2. 重置轨迹树 3.3. 更新轨迹树权重 1. 粒子在 <SLAM GM ...
SLAM综述(1)-Lidar SLAM
分享 SLAM包含了两个主要的任务:定位与构图,在移动机器人或者自动驾驶中,这是一个十分重要的问题:机器人要精确的移动,就必须要有一个环境的地图,那么要构建环境的地图就需要知道机器人的位置. 本系列 ...
SLAM综述-Lidar SLAM
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 SLAM包含了两个主要的任务:定位与构图,在移动机器人或者自动驾驶中,这是一个十分重要的问题:机器人要 ...
[SLAM]激光SLAM初学者代码及论文推荐【转】
目录 2D激光SLAM Gmapping Hector_slam Karto Cartographer 3D激光SLAM LOAM A-LOAM LeGO-LOAM Lio-mapping hdl_g ...
【 rbx1翻译第七章、控制移动基座】第二节、运动控制级别
7.2 Levels of Motion Control(运动控制级别) 可以在多个级别上控制移动机器人,这些级别中的绝大多数,ROS已经提供了相应的方法. 这些级别代表不同程度的抽象,从对电动机的直 ...

SLAM GMapping（8）重采样

SLAM GMapping（8）重采样

1. 重采样

2. 重采样函数

SLAM GMapping（8）重采样相关推荐

最新文章

热门文章