Gaussian Process Bayes Filter

가슴 아픈 연구다. 열심히 연구해서 구현까지 다 했더니 기존에 논문이 있었다. 

여튼 Gaussian Process Regression을 observation model로 해서 Extended/Unscented Kalman Filter와 Particle Filter에 적용하였다. 

개념만 간단히 설명하자면, measurement가 특정 위치에서 센서 값이 되는 것이다. 이렇게 하기 위해서는 전체 영역에 대한 sensor 정보를 알아야 하는데, 이것이 쉽지 않다. 그래서 특정 위치에서 얻은 측정을 바탕으로 전체 영역에 대한 센서 지도를 그리는 것이다. GP가 KF나 PF와 잘 들어맞는 이유 중 하나가 variance가 나온다는 점이다. KF의 경우 두 변수 (mean, var)로 현 상태를 모델링 하는데, GP 역시 mean과 var를 얻을 수 있으므로 매우 잘 맞는다. 여튼 돌려보면 대충 다음과 같은 그림들을 얻을 수 있다. 

코드:

01. GP Bayes Filter (GPBF).z01

01. GP Bayes Filter (GPBF).z02

01. GP Bayes Filter (GPBF).zip

sjGP_lib.zip