无人驾驶——融合

1.滤波

2.对象识别

　　激光点云：基于深度学习的点云目标检测方法；https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/83745697

3.对象跟踪

https://www.it610.com/article/1294064211592290304.htm

3.1 数据关联

https://zhuanlan.zhihu.com/p/188664072

• 匈牙利算法，KM算法：https://www.cnblogs.com/ariel-dreamland/p/13522590.html
• NN,GNN
• PDA,JPDA
  • https://blog.csdn.net/weixin_43885544/article/details/111408413
  • https://zhuanlan.zhihu.com/p/181691698
  • https://zhuanlan.zhihu.com/p/176851546
• MHT
• RFS
  • PHD, GM-PHD

4.传感器融合

　　融合算法利用摄像头与雷达的目标信息作为输入(主要是用雷达的dx，摄像头的αL和αR，dy,Vy)；雷达传感器优势在于能准确估计纵向距离dx与纵向的相对速度Vx；摄像头优势在于能准确估计横向距离dy，横向相对速度Vy

4.1 激光+毫米波雷达

激光：精度；毫米波雷达：天气

4.2 毫米波+摄像头

 

4.3常用算法

随机类方法有加权平均法、卡尔曼滤波法、多贝叶斯估计法、Dempster-Shafer（D-S）证据推理、产生式规则等；而人工智能类则有模糊逻辑理论、神经网络、粗集理论、专家系统等。

Central Limit Theorem 中心极限定理
Kalman filter 卡尔曼滤波
Bayesian networks 贝叶斯网络
Dempster-Shafer D-S理论：https://www.doc88.com/p-6897451506371.html