机器人学习--粒子滤波SLAM/MCL定位参考资料+学习经验

学习材料1：

《概率机器人学》谷歌无人驾驶之父 Sebastian Thrun等人著作。

注释：可能是本人智商有限，或者是移动机器人学领域的基础知识了解不多。刚刚看这本书的时候，尤其吃力，胡乱翻了几页，根本看不进去，看的目光呆滞，食欲不振。

如果，同样遇到类似的情况，无法耐心静心全身心的从头到尾看完，那说明可能是因为先验知识的不足，参考学习材料3：

学习方法建议：假设学习这本书的读者，已经在Ubuntu OS中安装 ROS ，至少跑过 gmapping 或 cartographer等基于激光雷达传感器的 SLAM建图软件。看到了效果，感性上大概知道怎么回事。然后想深入学习理论。

直接去啃英文论文当然是途径之一，但是如果没有先验知识支撑的话，估计也看不懂；直接去读代码的话，如果不是代码小高手结合了解一点先验知识，估计还是看不懂。以上所有，大牛大神高手除外。

中文版的书：建议提前搞清楚，移动机器人导航的三个问题：建图、定位、slam（同时实现前两者）以及路径规划等了解一下。

然后，头脑里记住一个概念，粒子滤波。贯穿定位、建图 slam。

然后，看书的第一、二章，先把贝叶斯滤波以及概率方面的基础了解一下。搞清楚那个预测 prediction 步骤（运动模型 u ，用里程计）；更新 correction/ updating/ innovation 步骤（观测模型引入，z，激光雷达）的递归实现。

然后，别看卡尔曼滤波或者无迹卡尔曼滤波那些，方法以及过时了，而且深奥（没有相关先验知识的初学者而言），直接看第四章的信息滤波中的粒子滤波，知道大概咋回事。

然后，看第五章的里程计运动模型，耐心的看一下闭式计算和采样计算的几个数学公式。（速度运动模型，是用于机器人未动之前的概率运动规划用的）（里程计运动模型是用于预测机器人下一时刻位姿用的。slam和定位中用的多）

然后，看第六章机器人感知（也就是观测模型），整个内容都值得看看。

插播一下：第五章的运动模型，就是用于滤波方法的预测阶段；第六章的感知模型或者观测模型，就是用于滤波方法的更新阶段。至于是一个公式或者概率表达式，还是一堆粒子表示概率分布啥的，不重要，重要的先理解其递归的精髓。

假如不知道什么是递归（去看看计算机专业的核心专业课之一《数据结构》或者算法类似的书都有介绍）

然后，过滤掉第七章的马尔可夫与高斯定位，先不要看，不要看，不要看；直接看第8章的栅格与蒙特卡洛定位，重点是 MCL定位，以及其各种改进版本, 合在一起是 AMCL。（粒子滤波定位部分）

然后，看地图构建部分，占用栅格地图的构建（构建地图部分）

然后，SLAM部分，过滤掉10-12章，直接看第13章的 FastSLAM算法。大概看一下，有个概念和印象。

最后，去看一下 gmapping论文，以及它参考的 Raw Blackwellizaed啥的论文。

完事！

如果，这一遍下来，感觉不明显，那么就循环来个三五遍，绝对有所收获。等真正有所感悟和认知的时候，可以把这本天书的其他章节瞅一眼看看。

补充：网上有很多说，别看滤波的SLAM，直接看图优化的SLAM,比如说 cartographer，这个感觉有点太绝对了，毕竟，玩移动机器人的孩子们，不能吊死在 slam 这个技术上，这些slam 也就机器人使用时建个初始地图而已，后期不还是定位、导航、路径规划，以及更高级的应用需求么。

学习材料2：

注释：如果以上天书，特别是中文翻译版看的比较吃力的话，可以直接看英文版如下资料。

（中文版吃力的原因：可能是英文原版翻译过程中很多不地道或者错误部分。最简单的就是粒子滤波定位中的地图m，原版是加粗的，中文版小写，更奇葩的是循环变量居然也用m，，，而且中文版翻译有不少漏译或者错译，变量符号弄错的地方）

德国弗雷堡大学的 Cyrill Stachniss 和 Wolfram Burgard 两位教授，大咖的总结材料。

（前者是大名鼎鼎的 gmapping的作者之一；后者也是激光slam和定位方面的大佬，和Sebastian Thrun （谷歌无人驾驶之父）合作的惊世骇俗的《概率机器人学》著作）

《Particle Filters for Robot Navigation》

该电子版材料，详细地讲述了粒子滤波从贝叶斯滤波开始的推导。粒子滤波在定位、建图、SLAM以及主动探测中的有应用。（相当于把《概率机器人学》中关于粒子滤波的很多内容，单独提取出来，整理成系统的内容，比较值得一看）

注释：以上讲解的粒子滤波在机器人的slam用法中，都是指的是激光雷达传感器。视觉slam又是另外一回事了。

这么好的东西，不敢独享，只要5个积分（因为有时候我去下载别人的资料也要积分，所以请包涵没有设置免费）：

https://download.csdn.net/download/GGY1102/16299627

解压密码：123456

为了避开CSDN的审核，里面加了一些附加硕士论文。此外，还有一本介绍机器人导航控制方面的电子书。

学习材料3：

如果是对移动机器人领域了解太少的小白，可以参考这本书《自主移动机器人导论》，很经典的一本入门介绍书，涵盖移动机器人的机械结构、定位、建图、slam、路径规划等多方向内容的介绍。

注释：看完之后就知道移动机器人领域该干啥了，和传统的工业机械臂等还是有很大的区别的。移动机器人中有路径规划，path planning；工业机械臂的叫运动规划 motion planning。

对于想做移动机器人定位、建图、SLAM（声呐、激光等测距传感器的SLAM）方面的学习值得参考；很经典的书籍；英文和中文版都有了第二版；部分内容和《概率机器人》有点交集，可以结合着一起看。:

下载链接：https://download.csdn.net/download/GGY1102/13255974