自动驾驶中的多目标跟踪:第四篇
附赠自动驾驶学习资料和量产经验：链接
在上篇，我们得到了杂波背景下单目标状态的后验概率表达式。在不进行近似的情况下，是无法应用到实际场景中的。因此，在这一节，我们来讨论如何进行近似以及线性高斯条件下的几种典型算法。
（一）后验概率
（二）线性高斯条件下的解
我们会发现，式（11）对应的就是Kalman滤波的更新过程，即
至此&
本文是自动驾驶多目标跟踪系列的第四篇，介绍了在线性高斯假设下，利用Kalman滤波进行目标状态更新，并探讨了后验概率的近似方法，包括剪枝、融合等策略，为解决后验概率中混合高斯项增多的问题提供解决方案。
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
