Next, when calculating the likeliho

Next, when calculating the likelihood using an LRF
measurement model, this model should be designed so that the
likelihood of state vector xt becomes greatest when the
ambient distance data zt measured using the LRF coincides
with the 3D point cloud data of environments measured in
advance. We define the measurement probabilistic model
p(zt|xt) with the LRF by approximate expressions such as Eq.
(10):

ผลลัพธ์ (ไทย) 1:

ถัดไป เมื่อคำนวณโอกาสใช้เป็น LRFรูปวัด รูปแบบนี้ควรออกแบบให้การเมื่อสุดกลายเป็นโอกาสของสถานะเวกเตอร์ xtzt ข้อมูลแวดล้อมห่างวัดใช้ LRF กรุณามีเมฆ 3D จุด ข้อมูลของสภาพแวดล้อมของวัดในล่วงหน้า เรากำหนดแบบ probabilistic วัดp(zt|xt) กับ LRF โดยนิพจน์โดยประมาณเช่น Eq.(10):

ผลลัพธ์ (ไทย) 2:

ถัดไปเมื่อคำนวณความน่าจะใช้ LRF
รูปแบบการวัดแบบนี้ควรได้รับการออกแบบมาเพื่อให้
โอกาสในการ XT เวกเตอร์จะกลายเป็นรัฐที่ยิ่งใหญ่ที่สุดเมื่อ
ข้อมูลระยะทางโดยรอบวัดโดยใช้ ZT LRF สอดคล้อง
กับข้อมูลจุด 3D เมฆของสภาพแวดล้อมในวัด
ล่วงหน้า เรากำหนดรูปแบบความน่าจะเป็นวัด
พี (ZT | XT) กับ LRF โดยการแสดงออกโดยประมาณเช่นสม.
(10):

ผลลัพธ์ (ไทย) 3:

ต่อไป เมื่อคำนวณโอกาสใช้ lrf
การวัดโมเดลนี้ควรออกแบบให้
โอกาสของรัฐเวกเตอร์ XT จะมากที่สุดเมื่อ
, ข้อมูลวัดระยะทาง ZT ใช้ lrf coincides
กับ 3D เมฆจุดข้อมูลสภาพแวดล้อมในวัด
ล่วงหน้า เรานิยามการวัดความน่าจะเป็นแบบจำลอง
p ( ZT | XT ) กับ lrf โดยการแสดงออก เช่น อีคิว
โดยประมาณ( 10 ) :