粒子濾波器
粒子滤波器（）是一种使用蒙特卡罗方法的递归滤波器。它透过一组具有权重的随机样本（粒子）表示隨機事件的後驗機率，並從含有雜訊或不完整的觀測序列中，估計動態系統的狀態。粒子濾波器可以運用在任何狀態空間的模型上。 同時，粒子濾波器是卡爾曼濾波器的一般化方法。卡爾曼濾波器建立在线性的狀態空間和高斯分布的雜訊上；而粒子濾波器的狀態空間模型可以是非線性，且雜訊分布可以是任何型式。 歷史 啟發式演算法 從統計和概率的角度來看，粒子濾波器屬於遗传算法分…
标签：#机器人感应
共 4 篇文章
感測器整合
的感測器整合]] 感測器整合（）是為了降低由單一來源所產生之資訊的不確定性而將感測器數據資料或與不同來源的數據資料整合在一起的過程。例如，通過結合多個資料來源（如攝影機和信號），可以儘可能地獲得更準確的室內物體位置估算。 在這種情況下，不確定性降低一詞意味著更準確、更完整或更可靠，或者指的是新視角的結果，例如立體成像視覺（經由整合來自視角稍微不同的兩個相機之二維影像來計算影像深度資訊）。 感測器整合的資料來源並不侷限來自於同一種感測器。…
虛擬導具
虛擬導具（Virtual fixture）或稱為虛擬夾具或虛擬支架，是在使用者對實際環境感知的基礎上，疊加上擴增感測資訊的作法，目的是提昇人們進行任務以及遙控機器人任務下的表現。此技術是在1990年代初期由美国空军研究实验室的所發展。虛擬導具是虚拟现实及擴增實境的開創性平台。 歷史 虛擬導具最早是由美国空军的在1992年開發，是第一個架設的沉浸式（immersive）擴增實境系統。當時的三度繪圖太慢，無法繪製出複雜及空间配準（spati…
協方差交叉
協方差交叉（Covariance intersection）是在卡尔曼滤波中，二個狀態變數之間不確定其協方差時，合併其估測值的算法。 規格 資訊項a及b已知，要融合成資訊項c。已知a和b的平均数/協方差 \hat a, A及\hat b, B，但是交叉相關未知。協方差交叉可以更新c的平均数/協方差為 : C^{-1} = \omega A^{-1} + (1-\omega) B^{-1} \, , : \hat c = C(\omega…