三角剖分的工作原理是检查您与三个“已知”目标的角度。
“我知道那是亚历山大灯塔，它位于地图上的（X，Y），就在我90度的右边。”对不同的目标和角度重复2次以上。
三边测量通过检查您与三个已知目标的距离来工作。
“我知道那是亚历山大灯塔，它位于地图上的这里（X，Y），距离我有100米。”针对不同的目标和范围再重复2次。
但是这两种方法都依赖于了解您正在查看的内容。
假设您在森林中，无法区分树木，但是您知道关键树木在哪里。这些树木已被人工选为“地标”。
您有一个机器人缓慢地穿过那片森林。
您是否知道有任何方法可以完全根据角度和范围来确定位置，并利用地标之间的几何形状？请注意，您还将看到其他树，因此您将不知道哪些树是关键树。忽略目标可能被遮挡的事实。我们的前算法可以解决这个问题。
1）如果存在，那叫什么？我什么都找不到。
2）您认为拥有两个相同位置的“点击数”的几率是多少？我想这是相当罕见的。
3）如果有两个相同的位置“命中”，那么接下来移动机器人后如何确定确切位置。 （我重新定位机器人后，假设连续两次出现2个完全相同的角度的机会在统计上是不可能的，除非有像玉米那样成排生长的森林。）我会重新计算一下排名并希望最好吗？还是我会以某种方式将我之前的排名估算值纳入下一个猜测中？
如果存在，那么我想读一读，如果不存在，请将其作为附带项目进行开发。我只是现在没有时间重新发明轮子，也没有时间从头开始实现这一点。因此，如果它不存在，我将不得不找出另一种方法来对机器人进行本地化，因为这不是本研究的目的，如果确实如此，则希望它会变得简单。
回答：
您正在寻找的是蒙特卡洛本地化（也称为粒子过滤器）。
这是有关该主题的一个很好的资源 。
或几乎所有来自概率机器人技术人群的东西，包括Dellaert，Thrun，Burgard或Fox。如果您有雄心壮志，可以尝试使用完整的SLAM解决方案-
此处发布
了大量库。
或者，如果您真的很雄心勃勃，则可以使用
Factor Graphs从第一原理开始实施。
更多&回答...