2d激光雷达似然域测量模型

首先，基于概率滤波的思想目的是为求后验概率分布函数F(x)=P(ξ<x) (-∞<x<+∞)，x最优估计即为使F(x)=Max。
1.卡尔曼滤波考虑的为高斯噪声，线性模型，后验概率分布肯定也为高斯分布，因为只需要利用预测（先验）和量测（似然）更新后验概率的均值与方差，（且能证明样本均值即为无偏估计）。
2.粒子滤波还是为了求后验概率分布函数，不过因为模型非线性，求概率分布函数解析式太难，采用大样本数据替代分布函数（就是费处理速度），样本分布有了，最优估计均值也就能求得到了。

下面简单说一下AMCL中的粒子权值分配。先贴一张图（概率机器人P130）
1.似然域测量模型认为测量的结果包含一个高斯噪声和随机噪声；
2.激光测量距离（x,y）变换到map坐标系；
3.dist越大，则概率q越小，则该变换矩阵（粒子）越不可信；
4.把点云配对变成计算测量误差，并获取该误差发生的概率大小；（类似ICP）
似然域测量模型比较理想，因此在场景有些变化，和动态人存在干扰的情况，估计的pose精度会下降。放大测量方差或许会有效果，最好要是能引入类似非线性优化中的核函数（损失函数）或许不错。