传感器数据融合-全栈 该项目实现了传感器数据融合的三个加一主要Struts,分别是贝叶斯推理。 那是: 引发 预言 过滤 追溯 如所述。 如果时间允许,这些模型还将涵盖 交互多个模型(将操纵类纳入动力学模型) 多重假设跟踪(允许多个“现实”以“适者生存”的方式融合) 为了实现这一点,我们需要一系列功能: 从一个或多个传感器生成传感器数据,但会增加一些噪声。 真实和SDF堆栈的可视化生成近似值。 通过游戏学习的UI 粗略的发展计划: 现在将问题减少到一维。 产生信号源并增加可调节的噪声 创建Target基类 带有一维位置和速度 测量噪声是在noisy_step人为添加的 可视化他们以了解我们在做什么 现在在playground使用Jupyter 用poetry run sdf项目运行 NEXT:在当前位置上方添加高斯并进行动画处理 模型演化模型为高斯-马尔可夫跃迁密