无人驾驶汽车Beta测试纳米度 传感器融合和物体检测 我们使用Waymo Open Dataset的真实数据,并在该项目中应用了扩展的Kalman融合滤波器来绘制和跟踪多辆车辆。 完成项目所需完成的主要任务: 实现卡尔曼滤波器以跟踪对象 跟踪管理,初始化,更新和删除跟踪以进行跟踪 数据关联 相机传感器融合,基于激光雷达融合,添加相机测量融合 要运行项目,只需运行脚本loop_over_dataset.py 步骤1:扩展卡尔曼滤波器 在filter.py文件中,使用EKF。 设计系统状态[x,y,z,vx,vy,vz],过程模型和恒速模型。 我们必须基于当前时间阶段计算具有恒定速度和噪声协方差的3D处理模型的系统矩阵。 尽管时间阶段通常可能会有所不同。 对于当前状态计算,评估h(x)和雅可比H函数。 绘制了下图。 图:单目标跟踪结果 步骤2:追踪管理 在trackmanageme