イノベーションステップekfローカリゼーション？

センサーからの観測束があり、ランドマークの予測測定値を取得できるマップがあるとします。補正ステップのEKF位置測定では、各観測値を予測された測定全体と比較する必要がありますか？この場合、2つのループがありますか？または、各観測値と各予測測定値を比較するだけですか？したがって、この場合は1つのループがあります。私は、センサーがすべてのランドマークのすべての観測値をスキャンごとに提供できると思います。次の図はシナリオを示しています。これで、EKFローカリゼーションを実行するたびに、が得られ、があるので、私は得ることができます$z^{i}$$\hat{z}^{i}$$z^{i}$$\hat{z}^{i}$$z^{i} = \{ z^{1}, z^{2}, z^{3}, z^{4}\}$$m$$\hat{z}^{i} = \{ \hat{z}^{1}, \hat{z}^{2}, \hat{z}^{3}, \hat{z}^{4}\}$。イノベーションのステップを得るために、これは私がやったことです ここで技術革新です。イテレーションごとに4つのイノベーションが生まれます。これは正しいです？この本の確率的ロボティクスの 204ページで、EKFローカリゼーションを使用しています。

$$Z^{1} = z^{1} - \hat{z}^{1} \\ Z^{2} = z^{2} - \hat{z}^{2} \\ Z^{3} = z^{3} - \hat{z}^{3} \\ Z^{4} = z^{4} - \hat{z}^{4} \\ $$ $Z$

はい、これは正しいですが、2つの仮定があります。

1. 各測定値は独立しています（つまり、観測の（ガウス）分布はと相関してい）。通常、これは公正な仮定です（たとえば、レーザースキャナーでランドマークの位置を測定する）。$z_i$$z_j$

2. データの関連付けは既知です。つまり、最初の観測が実際にはランドマーク1の観測であることを "知っている"だけです。したがって、ランドマーク1によって生成された予測観測値を使用してイノベーションを計算できます。観測が属するランドマークがわからない場合、その場合、観測値を他のすべてのランドマークの予測された観測値と比較して、マハラノビス距離などのメトリックを使用して、最も可能性の高いものを選択する必要があります。

*おそらく、センサーの視野内にあると推定されるランドマークと比較するだけで、速度を上げることができます。

**これはデータ関連付けの1つの方法にすぎません。その他（たとえば、ジョイントの互換性）が存在します。