Wireless Indoor Localization，A Crowdsourcing Approach，2018年新书

Object localization by efficient subwindow search论文中文翻译附加知识点提炼方便阅读和学习efficient subwindow search（ESS）算法

文件大小：1.8 MB 最新版本：2.8.15 f2 最新发布日期：2021年7月30日 支持Unity版本：2018.4.32或更高 这是目前 Unity 可用的最完善的本地化系统。 支持 Unity UI、Unity 2D、TextMesh Pro、NGUI、2D ToolKit、SVG Importer、标准组件 (Standard Components) 本地化 支持图像、文本、声音、字体、精灵、图集、预制件、文本网格、下拉列表以及更多组件。

ndt_mapping：Autoware中的ROS1本地化和映射包

electromagnetic waves

pose_estimation_odom：这是针对移动机器人的ROS软件包，该机器人使用三个节点通过里程表进行姿势和方向估计

wifi 人体定位Multi-Person Localization via RF Body Reflections

pcl_localization_ros2 使用PCL的基于3D LIDAR的ROS2软件包。 绿色：路径，红色：地图（5x5网格大小为50m×50m） IO 输入/ cloud（sensor_msgs / PointCloud2） /地图（sensor_msgs / PointCloud2） / initialpose（geometry_msgs / PoseStamed）（当set_initial_pose为false时） / odom（nav_msgs / Odometry）（可选） / imu（sensor_msgs / Imu）（可选） 输出/ pcl_pose（geome

目标 了解参数和状态估计的最小二乘法 将线性卡尔曼滤波器及其非线性变体，扩展和无味卡尔曼滤波器应用于状态估计问题 为典型的定位传感器（例如GPS接收器，惯性传感器和LIDAR距离传感器）开发模型 了解LIDAR扫描匹配和迭代最近点（ICP）算法 使用这些工具将来自多个传感器流的数据融合到自动驾驶汽车的单个状态估计中 重要性 动机 我在哪里？ 我移动多快？ 为什么很难：传感器和测量不完美 定义 本地化：确定车辆位置和方向的过程 如何？ 例如状态估计 状态估计：根据一组[噪声]测量值计算[物理量（例如车辆位置）的最可能值] 相关概念：参数估计 与状态（例如，车辆的位置和方向）不同，参数（例如，电阻的电阻）随时间是恒定的（即，预计从第一次测量到最后一次测量都不会改变）

I2 Localization是目前Unity3D可用的最完整的本地化系统，支持Unity UI，Unity 2D，NGUI，TextMesh Pro，DF-GUI等，内置的Google翻译支持，可以自动将所有标签本地化为任何语言等功能。