看到這篇文章，解決了我最近的疑惑，機械人綁架問題，哈哈哈 先轉了
看了很多資料，講amcl用法的很多，原理和概念能說清的很少，大都是一帶而過稀里糊塗。這裡，先把概念區分開來，後面將對原理進行講解。
1,粒子濾波和蒙特卡洛
蒙特卡洛：是一種思想或方法。舉例：乙個矩形裡面有個不規則形狀，怎麼計算不規則形狀的面積？不好算。但我們可以近似。拿一堆豆子，均勻的撒在矩形上，然後統計不規則形狀裡的豆子的個數和剩餘地方的豆子個數。矩形面積知道的呀，所以就通過估計得到了不規則形狀的面積。拿機械人定位來講，它處在地圖中的任何乙個位置都有可能，這種情況我們怎麼表達乙個位置的置信度呢？我們也使用粒子，**的粒子多，就代表機械人在**的可能性高。
粒子濾波：粒子數代表某個東西的可能性高低。通過某種評價方法（評價這個東西的可能性），改變粒子的分布情況。比如在機械人定位中，某個粒子a，我覺得這個粒子在這個座標（比如這個座標就屬於之前說的「這個東西」）的可能性很高，那麼我給他打高分。下次重新安排所有的粒子的位置的時候，就在這個位置附近多安排一些。這樣多來幾輪，粒子就都集中到可能性高的位置去了。就像轉盤**一樣，原本分數高（我們給它打分）的粒子，它在轉盤上對應的面積就大。原本有100個粒子，那下次我就轉100次，轉到什麼就取個對應的粒子。這樣多重複幾次，仍然是100個粒子，但是分數高的粒子越來越多了，它們代表的東西（比如位姿）幾乎是一樣的。舉例，機械人突然被抱走，放到了另外乙個地方。類似這種情況。自適應體現在：1解決了機械人綁架問題，它會在發現粒子們的平均分數突然降低了（意味著正確的粒子在某次迭代中被拋棄了）的時候，在全域性再重新的撒一些粒子。
2解決了粒子數固定的問題，因為有時候當機械人定位差不多得到了的時候，比如這些粒子都集中在一塊了，還要維持這麼多的粒子沒必要，這個時候粒子數可以少一點了。
就是為了控制上述粒子數冗餘而設計的。比如在柵格地圖中，看粒子佔了多少柵格。佔得多，說明粒子很分散，在每次迭代重取樣的時候，允許粒子數量的上限高一些。占得少，說明粒子都已經集中了，那就將上限設低，取樣到這個數就行了。蒙特卡洛原理
基本原理 事件的概率可以用大量實驗中發生的概率來估計，當樣本容量足夠大時，可以認為該事件發生的頻率即為其頻率。因此可以先對影響其可靠度的隨機變數進行大量的隨機抽樣，然後把這些抽樣值一組一組地帶入功能函式式，確定結構是否失效，最後求得結構的失效概率。1 構造或者描述概率過程 對於本身就具有隨機性質的問...
蒙特卡洛理解
蒙特卡羅演算法並不是一種演算法的名稱，而是是一類隨機方法的統稱。這類方法的特點是，可以在隨機取樣上計算得到近似結果，隨著取樣的增多，得到的結果是正確結果的概率逐漸加大，但在 放棄隨機取樣，而採用類似全取樣這樣的確定性方法 獲得真正的結果之前，無法知道目前得到的結果是不是真正的結果。從特性特性來說，我...
蒙特卡洛演算法
從今天開始要研究sampling methods，主要是mcmc演算法 contents 1.蒙特卡洛介紹 2.蒙特卡洛的應用 3.蒙特卡洛積分 1.蒙特卡洛介紹 蒙特卡羅方法 monte carlo method 也稱統計模擬方法，是二十世紀四十年代中期由於科學技術的 發展和電子計算機的發明，而被...