请帮忙。用于跟踪帧中对象的缩合算法步骤是：
初始化一个点并在其周围选择N个随机点，并将权重设置为1 / N.
根据动态模型（恒速模型）传播点。
现在，使用观察模型计算每个粒子的权重。直到现在，还有N粒子。
现在，在重采样步骤中从上面的一组粒子中选取N个粒子？
什么？我们如何从N粒子中挑选N粒子？
答案 0 :(得分：3)
我们如何从N粒子中挑选N粒子？
选择N粒子替换，即根据您指定的重量，可以选择一个粒子多次。
如果你有3个粒子，重量[0.1 0.2 0.7]，那么选择第三个粒子两次和第二个粒子一个，因此你选择从3个粒子中获得3个粒子。
有很多技术可以执行此步骤，即重新采样N个粒子。即使我只是尝试为此部分编写代码。
您可以了解重新取样的一些网站是： -
Udacity - 机器人的人工智能 - Link to the course page
关于在线粒子滤波器的IEEE论文教程....作者：Arulampalam，gordon maskell，这是一篇被高度引用的论文，几乎所有人都从这里开始参考粒子滤波器。
本文是讲座教程，他们已经很好地解释了重新采样，只需遵循算法，我认为您的代码将进行重新采样Link
答案 1 :(得分：-1)
我不知道需要多少细节...如果大部分知道，请原谅我。粒子滤波器试图基于观测值y_1，...，y_t来估计后验分布p（x_t | y_1，...，y_t）。 “纠正步骤”依赖于简化：
p(x_t|y_1,...,y_t) = p(y_t|x_t)p(x_t|y_1,...,y_t-1)/p(y_t|y_1,...,y_t-1)
从该后验分布中采样N个点，然后根据右侧进化以接近下一个后部。我们不处理法线，因此我们需要近似不超过2个时刻。然后，从新的后部重新采样下一步的N个点，而不是仅使用旧的点，无论它们在哪里进行过。原因在于众所周知的简并效应 - 除1之外的所有点都倾向于0。
所以我们不是从N粒子中挑选N粒子，而是抛弃旧粒子，并从后验的新估计中重新取样N.