解读DP-SLAM （2）
解读DP-SLAM （2）
回顾一下上次讨论的内容：
1，早期SLAM技术发展（缓慢）
2，本文的特点（利用粒子滤波构建2D地图以及估计小车运动状态）
3，粒子滤波简述（抽样和加权的过程）
4，小车2D运动模型（比较简单）
今天继续讲2.1节，Particle Filters for Localization，注意哦，这一节仅仅关注Localization，小车的pose已知
情景分析（有些像蝙蝠利用回声定位的原理）：
1，小车存储了当前环境的地图，但是小车不知道自身的定位，认定可以出现在地图任何位置（先验分布）
2，小车通过激光雷达的观测数据（似然函数），猜测它最可能出现的位置以及小车运动方向（后验分布），并且把
这一次计算得到的后验分布，用小车2D模型预测，得到下一秒小车的预测位置，作为下一次观测数据的先验分
布
3，不断重复步骤一和步骤二
我画了一个草图（真的很草，见笑了），