目标跟踪与定位——Robot Localization

概率

概率定义： 事件X发生概率是P(X)，P(X)的值必须落在0,1之间

• 0 <= P(X) <= 1

事件X可以有多个结果，称之为X1，X2，等; X的所有结果的概率必须加起来为1。例如，假设有两种可能的结果，X1和X2：

• 如果P(X1) = 0.2，那么P(X2) = 0.8，因为所有可能的结果必须总和为1。

术语

• 独立事件 硬币翻转等事件被称为独立事件，这意味着单次翻转的概率不会影响另一次翻转的概率;
• 相关事件 当两个事件被认为相关时，一个事件发生的概率会影响另一个事件发生的可能性。例如：假如天气晴朗，你更有概率出门；如果在某一天晴天的概率很低，那么你外出的概率也会降低，所以外出的概率取决于晴天的概率。
• 联合概率 两个或多个独立事件将一起发生(同一时间帧内)的概率称为联合概率，并且通过将每个独立事件的概率相乘来计算。例如，连续两次翻转硬币为正面的概率计算如下：
• 硬币翻转的可能性：P(H) = 0.5
• 连续发生的两个事件(硬币正面朝上)的联合概率是第一个事件概率乘以第二个事件概率：P(H)*P(H)= 0.5 * 0.5

量化确定性和不确定性

当我们谈论确定机器人处于特定位置(x,y)，移动某个方向或感知某个环境时，我们可以使用概率来量化该确定性。

不确定性和贝叶斯规则