放在开头，“0公式系列”：无公式，无理论，单靠动画，或图片，加上个人理解，来解释算法中的思想。
你醒来在一个迷宫内，不知道自己在这个大迷宫的哪一个位置，你要出去，但是你也不能乱走吧，正当你迷茫的时候，你发现自己手里有一张纸质的迷宫地图，该地图不仅包含了迷宫的形状，还包括了迷宫的尺寸。于是，希望来了，你现在要做的就是用这个地图，应用神奇的“粒子滤波”算法（particle filtering，以下简称pf），完成自身的定位，然后走出去（走出去这个环节与pf无关）。
图1.手中的迷宫地图
pf第一步：假设你在迷宫的任何一个位置（这可能听的有点扯），周围的墙体高大，你爬不上去，如图2。你假设的你所处的位置就叫粒子（红点），现在你前方不远处有一堵墙（等下我再解释看不到墙的情况），这个所谓的“墙”，它可能是个转角处，也可能是个死胡同。你能用你的眼睛，估计你面前这堵墙到你的距离，假设是是20m左右吧，注意这个地方，你眼睛看到的叫观测值，观测值是有偏差的。好了，我们有了第一个观测值，重复一下，我们到我们面前这堵墙的距离有大概20m远，你不用管你面朝东南西北，你也不用管你的后面有没有墙。总之啊，你距离一堵眼前的墙有大概20m远，那么就是说，你可以把距离转角处或者死胡同不在20m范围内的粒子（假设的位置点）去掉，这样的话，你可以排除一些最开始假设的位置点。如图3。
图2.红色的点是你最开始假设的位置，我画的一点也不密集，实际上假设的位置是铺满整个迷宫的
图3.虽然去除了一些点，但是还是有不少假设的位置
pf第二步：现在你要往前走20m，就走到你面前的墙的那个位置。分三种情况：
（1）是个拐角处，那还好，拐过去就行了。
（2）是个“T”型岔口也没关系，规定遇到岔口向左转吧。
（3）是个死胡同就悲剧了，那就回到出发点向后转吧，看看你在出发点的时候后面有没有墙。
pf第三步：假设你的运气不错，不是个死胡同，那么你到了转角处后，转向，然后停！你再看看你的面前没有新的墙。这分两种情况：
（1）有墙，这跟你的第一步一样，估计你目前的位置到这个新墙的距离。不管它是个转角处还是个死胡同都不重要。假设你距离新墙的位置是10m。现在重点来了啊！你捋捋思路，你看到前面有堵墙，起身，往前走了大概20m，转弯后前面又有一堵墙，距离大概10m。也就是说，你转弯后的视野内，必须有一堵墙在你面前10m左右远（定义为条件1）。不满足这个条件的之前的粒子（假设的位置）都要去掉。好了现在我们有了两幅图，一幅是所有粒子往前走20m到了墙跟头，见图4。你得到了很多蓝点，根据条件1，除去不符合条件蓝色点以及之前所有假设的红点。见图5。
（2）没有墙，是个无尽的大道。那就有点悲剧了，只能往前走了。直到看到墙位置，而且你还得记得你走了大概多少米，专业点这叫里程计读到的数据。假设你走了大概100m，终于看到了一个新的墙在你前面50m处，那么这条道就有100+50m左右的距离。接下来跟上面（1）的过程一样，看到墙就好了。
图4.蓝色是红点（也就是你醒来的位置）向前移动大概20m的后的位置
图5.现在我只保留了符合条件1的蓝点，红色箭头表示你最开始前进的方向，黄色箭头表示你到了墙角转头后的方向
现在很舒服，你已经定位到地图3个可能的位置了，比之前全地图都是假设位置的情况好多了。但是你有没有发现，你在转角处看到新墙的位置，是大概10m，有可能是6m，也可能是14m，所以说，这个3个假设位置也是有不同的可信度。根据图5。例如，对于最上面这个假设位置，看到新墙的距离就比10m小一些，右下角这个位置，看到新墙的距离就很接近10m，左下角的这个位置，看到新墙的距离就比10m大一些。但他们三个都是大概10m， 为了区分，我们就给右下角的可信度大一些，其他两个位置（最上面和左下角）的可信度就小一些。
话说我定义的可信度有什么用呢？
pf第四步：我们基于上面三个点重新假设位置，注意，根据可信度的大小，假设位置的点的数量不同，见图6，就是说我们更相信我们在右下角的位置，但是我们不排除在其他那两个可信度不高的位置的情况。
然后，重复第二步到第四步，重复几次，你就可以定位到你的位置了，很神奇吧。这个重复的图我就不画了，大家自己想想吧。重点就是，目前的位置跟上一时刻的位置是相关的。
，
整个粒子滤波算法的流程我就说完了。这里没有公式（贝叶斯公式巴拉巴拉），专业术语（重采样巴拉巴拉），网上有很多原理的介绍，感兴趣的，可以一边看正规的原理和公式，一边思考我这个迷宫定位的方法，找一找他们之间的联系。
另外推荐一本书《粒子滤波算法及其应用》（朱志宇），上面还有粒子滤波的衍生算法，以及在目标检测，地图定位，FPGA，DSP的应用。