该文件里面包含了若干利用粒子滤波进行目标跟踪的程序，有详细的算法说明，适合于入门学习以及进一步深入研究。

Particle Filter Data Fusion Enhancements for MEMS-IMU_GPS.pdf

amcl_3d：使用3D LiDAR for ROS的AMCL（自适应蒙特卡洛定位）

这是用于从论文中获取结果的代码：A. Gning、B. Ristic、L. Mihaylova、伯努利/用于检测和跟踪的箱形粒子滤波器在三重测量不确定性的情况下，IEEE 信号处理交易，卷。 60，第 5 期，第 2138 - 2151 页，2012 年。 这项工作提出了非线性动态随机的顺序贝叶斯检测和估计方法使用受三种不确定性来源影响的测量的系统：随机、集合论和数据关联不确定。 运行代码还需要 INTLAB 工具箱 ( http://www.ti3.tu-harburg.de/rump/intlab/ )。

业界牛人 Arnaud Doucet 08年在北卡罗莱纳州立大学的一篇讲义具体介绍了粒子滤波（序列蒙特卡罗）的算法原理

这个程序中的粒子滤波重采样采用了mcmc算法，程序本身比较简单，对于学习mcmc的人来说非常有用。

MATLAB，粒子滤波，Particle Filter，Sampling Importance Resampling Filter，跟踪，预测，

粒子滤波用于剩余寿命预测的实例代码 MATLAB语言编写 附有详细代码说明

无迹粒子滤波跟踪，内附matlab code 和相关文献。

Marginalized (Rao-Blackwellized) Particle Filter的matlab代码，及对应的论文。