>我想很多東西看起來復雜，是因為我們沒有抓住事物的核心，所謂核心就是一個事物或者方法的主要支干，我稱之為basic idea。當我們對這個basic idea 徹底理解，那么我們后面的工作就變得簡單而明了：沿著這個支干看它如何發展，而不至于淹沒在細枝末節里面。

下面我們來介紹一下自動駕駛里面**感知**模塊的一個技術，定位（localization）技術的一個basic idea.定位技術對與自動駕駛汽車來說至關重要，定位所要解決的是**我在哪里**的問題。由于這里只是對basic idea的介紹，所以后面的這個系列都不會涉及到具體的數學推倒，僅從直觀的角度來理解。

##定位是個概率問題

所謂定位就是根據位置傳感器（GPS、激光雷達、圖像、聲吶、IMU、輪速計等）的輸入，通過他們的置信度來綜合一個當前汽車所在位置的概率分布。之所以說是一個概率問題，那是因為定位我們最關心的指標便是定位精度，而精度是由誤差造成的。這種誤差有兩個來源：系統誤差與測量誤差。測量誤差是由于傳感器本身不準造成的。而系統誤差則根源于測量原理的天然缺陷。這兩種誤差都會導致測量位置的隨機分布。所以說定位是一個概率問題。

##定位問題的basic idea

這個basic idea是在udacity 的《無人車入門》課程中的定位模塊所講（并非我的原創），在這里聲明一下。

讓我們從下面這張圖(為上課筆記，原諒這粗獷的畫風)說起：

如圖1，方框所代表的是一個區域，當無人車沒有任何輸入時，那么它在這個區域內每個位置的可能性是一樣的，如圖3所示的概率分布。

如圖2,如果該區域內有一些可識別的標記（在圖中用門表示），那么當無人車檢測到其中一扇門的時候，概率分布如圖4所示。

當無人車繼續向前運動的時候，概率分布也隨著無人車的運動而平移動，概率分布如圖5所示。

當無人車繼續向前運動到第二扇門時，利用之前檢測到第一扇門的先驗信息，此時無人車可以大概率確認自己在第二扇門附近，如圖6所示。

上面這段描述，蘊藏這定位技術的基本思想。我們通過測量更新測量位置的概率分布（位置的置信變高），而運動后這種概率分布的置信度變低（在這個模型里面不變只是平移，這是因為現實中汽車的運動也難以精確表述，不是模型當中的簡單的勻速運動）。而測量與運動這兩個過程也是我們定位的過程：

首先，我們先通過各種傳感器的量測來更新位置分布（Update）

然后，在下一次更新過程前，我們仍需知道無人車位置，在這段無輸入的時間需要根據無人車運動模型來預測無人車的實時位置，直到下一次量測更新（Estimation）

這便是無人駕駛技術中的定位的basic idea