移动机器人必须解决的主要问题之一是知道它在其环境中的位置。确定机器人相对于其环境的位置和方向（机器人姿态）的过程称为定位。
在不知道它在其环境中的位置的情况下，机器人可以执行的任务非常有限。因此，这是它要解决的最重要的问题之一。
https://embed.notionlytics.com/wt/ZXlKd1lXZGxTV1FpT2lKbU5HRmxZbUprTTJReE9UYzBZbU01WWpOa01XVTFaakk0TjJVMU1EYzNOeUlzSW5kdmNtdHpjR0ZqWlZSeVlXTnJaWEpKWkNJNklsZHNTR2hsVEZSUFdXeHpaVmRhUW1ZNU1YQmxJbjA9
我们很容易知道机器人在上图中的位置，因为我们可以看到一切。但是，机器人本身并非如此。下图显示了机器人对其环境的了解。
它所知道的是地图的样子，这不是很准确——缺少一些信息，例如墙上的洞等、传感器的读数，有时还有它的近似初始姿势。
如果您将自己放入机器人中，您会发现要知道您拥有的所有信息和能力并不是一件容易的事。 从您现在所在的位置来看，您可能无法 100% 确定您在给定地图上的位置。
在本文中，我们将研究解决定位问题的最广泛使用的方法，蒙特卡洛定位或通常称为粒子滤波器定位。
简述：贝叶斯过滤器简介。此过滤器数学模型。算法。此过滤器在机器人上实施步骤。
简述：构建运动模型，测量模型，粒子过滤器。引入里程运动模型及其数学模型，引入似然场作为测量模型，介绍似然场数学模型。最后，讨论粒子过滤器算法。
简述：完成上述工作后，开始模拟。模拟方法：非自适应粒子过滤器，视频演示（1.5m）。自适应粒子过滤器，视频演示（1m）