Turtlebot :" where am I? " -——amcl的原理

当我们给turtlebot一张先验地图让它规划一条从A点(它的当前位置)到B点(地图上任意点）的路线时, turtlebot是怎么确定自己的当前位置A点呢 , turtlebot_navigation给我们的答案是 amcl.

amcl stands for adaptive Monte Carlo localization.

mcl（蒙特卡洛定位）法使用的是粒子滤波的方法来进行定位的。而粒子滤波很粗浅的说就是一开始在地图空间很均匀的撒一把粒子，然后通过获取机器人的motion来移动粒子，比如机器人向前移动了一米，所有的粒子也就向前移动一米，不管现在这个粒子的位置对不对。使用每个粒子所处位置模拟一个传感器信息跟观察到的传感器信息（一般是激光）作对比，从而赋给每个粒子一个概率。之后根据生成的概率来重新生成粒子，概率越高的生成的概率越大。这样的迭代之后，所有的粒子会慢慢地收敛到一起，机器人的确切位置也就被推算出来了。

初始状态下robot在第一个门，传感器返回true有门，于是分配更多权重的粒子(particles)在有门的地方，向右走到第二个门和第三个门中间，传感器返回false无门，于是分配更多的权重给无门的地方，继续向左走到第二个门，传感器返回true有门，继续分配给有门的地方，现在我们可以看到分配了更多权重的粒子的地方，就是robot的真实位置。实际情况中，经过多次数的迭代之后，越逼近moving base 的真实位置。