粒子濾波跟蹤算法簡介PPT_第1頁
粒子濾波跟蹤算法簡介PPT_第2頁
粒子濾波跟蹤算法簡介PPT_第3頁
粒子濾波跟蹤算法簡介PPT_第4頁
粒子濾波跟蹤算法簡介PPT_第5頁
已閱讀5頁，還剩3頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

粒子濾波跟蹤算法簡介什么是粒子濾波粒子濾波(PF:ParticleFilter)的思想基于蒙特卡洛方法(MonteCarlomethods)，它是利用粒子集來表示概率，可以用在任何形式的狀態(tài)空間模型上。其核心思想是通過從后驗(yàn)概率中抽取的隨機(jī)狀態(tài)粒子來表達(dá)其分布，是一種順序重要性采樣法(SequentialImportanceSampling)。什么是粒子濾波粒子濾波算法1〕初始化所有粒子2〕更新粒子當(dāng)前位置3〕評估每個(gè)粒子的重要性4〕根據(jù)粒子重要性重新采樣粒子濾波缺點(diǎn)雖然粒子濾波算法可以作為解決SLAM問題的有效手段，但是該算法仍然存在著一些問題。其中最主要的問題是需要用大量的樣本數(shù)量才能很好地近似系統(tǒng)的后驗(yàn)概率密度。機(jī)器人面臨的環(huán)境越復(fù)雜，描述后驗(yàn)概率分布所需要的樣本數(shù)量就越多，算法的復(fù)雜度就越高。因此，能夠有效地減少樣本數(shù)量的自適應(yīng)采樣策略是該算法的重點(diǎn)。另外，重采樣階段會(huì)造成樣本有效性和多樣性的損失，導(dǎo)致樣本貧化現(xiàn)象。如何保持粒子的有效性和多樣性，克服樣本貧化，也是該算法研究重點(diǎn)。粒子濾波在物體跟蹤中的應(yīng)用例如粒子濾波在機(jī)器人自定位中的應(yīng)用例

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論