|
|
晨枫 发表于 2019-3-17 22:35' v# Z! E9 o% e7 L+ A3 K; b9 @: e, j
PID tuning的内部教程很多,个人感觉都不着边际,没有鸟用。我自己写过一个,但只是自己觉得好而已,别人 ...
0 [( I; i6 e# H) F6 d, S主要是 自动驾驶过程中 lidar ,radar,还有车本身运动的 模型,3者之间的数据融合要用到。但是我概率学的不好,一开始选错了教材(技校那本)(好像国内也没有什么好教材,大部分就是不断的抛硬币抛若干届不换样,最大的问题就是应用的少,抽象,本来概率应该是很简单的东西, 费解在他们建立的描述体系的表达上)。其中的prediction 和 measure 的概率为何要相乘呢?(按乘法原理解释有点生搬硬套的感觉),还有某些文档中 对t,or t-1 还有估计符号还不一致有的还有错误。为何 measure 是prediction 的另一个线性函数?还有就是这么最终估计出来的安全吗?涉及kalman滤波的有效性。不理解应该就是概率没学好。, c# a' D& L9 K
. `" L8 N) [6 b B. n6 g: ^
particle filtering ---蒙特卡罗方法相关的....) w, \1 t2 |5 q) p
" R( g8 F6 ~6 l4 C
谢谢晨大 |
|