#1 楼
Thrun等人的《概率机器人》一书很好地涵盖了这个主题。等我没有直接的参考，但是他的一些论文（例如针对移动机器人的Robust Monte Carlo本地化，pdf）实质上包含相同的信息。通常使用的是混合误差模型，其中概率密度函数由不同的部分组成真实距离读数附近的高斯误差
假阳性的部分诸如动态障碍等。距离较小时，它会更大。
一个恒定的部分，会导致错误的负读数，而传感器给出的读数超出范围。
该模型需要适合您的传感器和应用。
#2 楼
几乎每个人都认为噪声是高斯的，因为这样数学相对容易。如果您真的想要，可以通过实验确定传感器噪声的分布，对它进行拟合，然后使用该模型，可能会花很多功夫而无益。