1. udacity无人驾驶Extended Kalman Filter
state 为[x,y,vx,vy] 使用radar和lidar传感器。
2. udacity 飞行汽车 Extended Kalman Filter
state为[x,y,z,vx,vy,vz,alpha,beta,gamma,p,q,r] state vector较多,模型较复杂
3. YOLOv3目标检测、卡尔曼滤波、匈牙利匹配算法多目标追踪
https://blog.csdn.net/xiao__run/article/details/84374959
state vector为[x,y],基于匈牙利算法的任务分配问题。
4. 重点的扩充内容。在于predict和 update模型的收集。
http://blog.csdn.net/AdamShan/article/details/78248421
5. 无人驾驶汽车系统入门(二)——高级运动模型和扩展卡尔曼滤波
是对优达学城项目的中文解说。
6.