|
|
晨枫 发表于 2019-3-17 22:35, i/ v2 ~% G" ~" l) n; @6 m, I
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 ...
) r# F. @) ~/ w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。
" N7 d/ A4 [3 ]. d! v
p7 O9 Z [+ k) B, oparticle filtering ---蒙特卡罗方法相关的....5 O# v1 V4 Q# t% j1 P6 a% G! U
, ^" r' f: y5 H$ l9 U0 Q2 @
谢谢晨大 |
|