scan2D障碍物检测跟踪，人腿的检测和跟踪
obstacle_detector-master（scan2D障碍物检测跟踪
代码已下载
看obstacle_extractor；
segment相关
计算点到直线距离，点到直线的投影，计算顺逆时针；
点集分段拟合直线
直线拟合使用iterative end point fit
参考线段提取IEPF Line Extraction Algorithm----python code.
segment检测，线段提取实现；
数据点过滤前后对比
代码复现，直线拟合用eigen计算最小二乘解
圆的提取和合并（没有写）开源项目里面有
|-------people_melodic ROS包 包含下面的leg_detector
// 包含人脸检测、人的检测、跟踪
2D scan 识别 人腿的论文
E:\[OPENSOURCE_CODE]\11T-Martinez-Mozos.pdfE:\[OPENSOURCE_CODE]\11T-Martinez-Mozos.pdf
代码已下载
E:\[OPENSOURCE_CODE]\people-melodic\leg_detector
参考博客解读
(4条消息) Ros：people包下子包leg_detector及其相关包笔记_rezrezre的博客-CSDN博客_leg_tracker
计算十几种特征值，每一个特征都是一个浮点数；
training 使用cvRTree随机树做分类器；
// 样本的bag
training下载博客中提到的数据集，训练的代码有注释
E:\[OPENSOURCE_CODE]\people-melodic\leg_detector\training
讲到和训练相关的参数，就是一个零一分类；
训练操作说明,要使用ros实现；
【扩展plugin】social navigation layer 社会活动图层
(5条消息) Turtlebot 2e 导航之 `move_base` 参数详解: 社会活动导航层`social_navigation_layers`初探_摸着石头撑船-CSDN博客
Proxemic 层，增加通行代价，在行人的运动方向增加；
passing layer,始终在人的左侧通过，只在行人的一侧增加通行成本
2D雷达数据检测L形状、矩形车辆(行人检测)
论文已经下载
E:\[OPENSOURCE_CODE]\1812.09670.pdf
各种轮廓匹配方法
、匹配方法间的比较
CCH（链码直方图）：是一种基于轮廓匹配方法。具有较强的平移不变性，尺度不变性一般，具有90度的旋转不变性。由于编码简单，执行速度快。计算量和所需内存都较小，适合差别明显的物体，对平滑和非平滑物体的识别并不明显；
PGH（成对几何直方图）：是一种基于轮廓匹配方法。具有较强的平移不变性和尺度不变性，具有360度的旋转不变性。执行速度快，可以较好地识别多边形物体和部分自封闭的物体，由于它的计算过程，对非多边形物体的识别可能会浪费计算量；
CFSS（五种简单形状描述符结合）：是一种基于轮廓匹配方法。具有较强的平移不变性和尺度不变性，具有360度的旋转不变性。执行速度处于CCH方法和PGH方法之间。识别率与PGH相当，但是比它需要更少的计算时间和内存。
HAUSDORFF距离：是一种基于轮廓匹配方法。具有较强的平移不变性，但是尺度不变性和旋转不变性都较差。由于处理的数据维数较多，执行效率是这五种方法中最慢的一个。可用于匹配部分重和形状物体。
Hu不变矩：是一种基于区域的形状匹配方法。具有较强的平移、尺度和旋转不变性，其中旋转不变性为360度。但由于匹配的数据量大，执行速度较慢。适合于进行一些更精确的匹配。
shaplet 时间序列特征提取和分类，可解释性好
