Probabilistic Robotics读书笔记(一)
来源:互联网 发布:淘宝卖家贴吧怎么引流 编辑:程序博客网 时间:2024/06/05 04:22
转自我的博客http://gongzheng92.net
贝叶斯滤波器的推导
模型与方程
首先我们从贝叶斯滤波器谈起。
首先我们需要的是对机器人目前状态(states)的估计,用概率的方式表达为:
上式可以在诸多假设条件(马尔科夫假设,观测不对环境造成影响等)下化为:
同样的我们有测量模型:
然而,由于状态(states)(x)的不可直接观测,于是我们提出了置信度(belief)的概念。于是我们希望得到的状态(1)估计便可转化为:
注意这里并没有应用马尔科夫假设。
然而这里对
于是我们就有了贝叶斯滤波器:
其实在这里,
p(xt|ut,xt−1) 就是系统模型,p(zt│xt) 就是测量模型。
推导过程
那么这个(5)是怎么来的呢?我们从(3)推起:
其中因为
p(x,y)=p(x│y)p(y)=p(x)p(y) 记住联合概率(,)的运算级别高于条件概率(|)。
然后在这里推一下书上没推的公式:
Bayes rule:p(x│y)=p(y│x)p(x)p(y)
p(x│y,z)=p(y,z│x)p(x)p(y,z)=p(y,z,x)p(y│z)p(z)=p(y│x,z)p(x,z)p(y│z)p(z)=p(y│x,z)p(x)p(y|z)
然后在
于是有:
即
但其实这句话很废话,因为就是“测量前的估计乘以测量等于测量后的估计”。
然后:
然后由于状态转移假设(其中包括了马尔科夫假设),则
再加之忽略红色
0 0
- Probabilistic Robotics读书笔记(一)
- Probabilistic Robotics ( II.II )
- Deep Learning 读书笔记(十二):A Neural Probabilistic Language Model
- Robotics Developer (一)
- Learning Ros For Robotics Programming2学习(一)
- 论文读书笔记-local learning in probabilistic networks with hidden variables
- Probabilistic Programming and Bayesian Methods for Hackers读书笔记
- TIJ读书笔记(一)
- [测试]读书笔记(一)
- ajax读书笔记(一)
- CruiseControl读书笔记(一)
- Makefile 读书笔记(一)
- CCNA读书笔记(一)
- JAVA读书笔记(一)
- CSAPP读书笔记(一)
- 读书笔记(一)
- JavaScript读书笔记(一)
- jQuery读书笔记(一)
- NoSQL浅谈
- 编程规范
- 网络编程 01
- nodejs-http
- ExtJS 布局系统详解
- Probabilistic Robotics读书笔记(一)
- PHP中文处理 中文字符串截取(mb_substr)和获取中文字符串字数
- 关于openstack,cloudstack,Eucalyptus对比分析
- Sketch MAC破解
- js 初步了解闭包
- mybaits java后台返回自增长的id
- bzoj 3489 A simple rmq problem 可持久化树套树
- dimens.xml详解
- shell脚本中if语句的用法