location 最大的難度來自於測量誤差。里程計的計數誤差，測量與里程計的不統一等。所以我們需要一種演算法，能夠較高精度的確定機械人的位姿。
此處粒子濾波器的作用似乎與卡爾曼濾波器相似，但是粒子濾波器可以有非0的均值（編碼器讀數），可以有非正太分布（你關我怎樣取樣），可以有非線性解（反正是大力出奇蹟，什麼解不可能？）
機械人初始位姿確定略過。感測器測量結果的獲取又叫做地圖的 registration. 這是乙個我們非常熟悉的詞 —— 配準。配準的作用是將測量結果與地圖結果相匹配。匹配所使用的方式是概率圖的 factor product. 對於給定位姿，如果測量結果與實際地圖匹配成功則給正分，否則給負分。至於給多少正分，多少負分，需要進行 tuning....這個 tuning 也是作業的核心。tuning 的關鍵是一定要對測量結果進行視覺化，如果第一幀都匹配不上，那後面必跑飛。如果第一幀匹配上了，那麼後面才有調的可能性。
基於粒子濾波器的機械人位姿估計是乙個大模組，其pipeline如下：
1.針對初始位姿，給定一堆粒子，每個粒子就是乙個位姿，粒子可以是均勻分布的，也可以是正太分布的，也可以是任意你喜歡的分布。針對每個粒子算 registration 的分數
2.利用已知的轉移關係——編碼器，慣性感測器，whatever，給出這堆粒子下一步的位姿。注意，粒子是帶著它的分數轉移的。
3.針對轉移後的粒子重取樣——根據轉移關係的雜訊，重新取樣一次粒子轉移後的結果。計算並更新配準分數。
4.計算有效粒子數目，如果小於粒子總數，則重新取樣。如果和粒子總數相等，則回到2.
總而言之，粒子濾波器叫做「多party參政制」個個都有可能當**。每個轉移相當於一次**，而與地圖的配準結果相當於選票。儘管最後我們會選擇乙個得票最多的，但是我們也不允許一party獨大（n_effective）。resampling則是如果某個party的理念確實優秀，那麼允許其分身，分身後加上雜訊保證了意見的多樣性。
所以粒子濾波器總能給出較好的結果。
機械人學 機械人感知（Mapping）
軌跡規劃任務是再metric map的基礎上完成的。當然，層次最高的是語意圖，語意圖是未來研究的熱點方向。獲取metric map 的難度最大之處在於 1 感測器雜訊 may be solved by pgm 2 機械人在移動 location 問題 常見的map是基於ugv而言的，使用的地圖是oc...
機械人學 機械人視覺（特徵）
上回說到機械人視覺的核心任務是estimation，理論框架是射影幾何理論。在之前的作業中展現了單應變換的巨大威力。然而，整個estimation 的首要條件是已知畫素點座標，尤其是多幅圖中對應點的畫素座標。單幅影象的處理方法都是大路貨了，不贅述。這篇部落格想講講不變點檢測與不變特徵。由於機械人在不...
崑山威創工業機械人 崑山工業機械人學習
工業機械人 傳說中的哈工大與後起之秀尊輝培訓 哈工大，一所存在於北方高校中的傳說，南方高校中的問號，現如今走入崑山，和蘇州尊輝培訓強強聯合，簽訂了機械人聯合辦學的專案合作。關於哈工大，南方的很多同學可能都不是很了解，其實它不僅歷史悠久，其工科機械實力遠超其他類綜合大學，對於一心想尋求專業工業技能培訓...