七月在线学习笔记2

第四节课 感知实战：目标检测

动态环境感知与2D Detection
基于图片的检测和基于点云的检测
基于图片的检测算法：
位置、类别、位置修正
RCNN:CNN提取特征+SVM分类，位置修正:Linear Regression
Fast-RCNN:CNN提取特征+CNN分类，位置修正：CNN回归
Faster-RCNN:CNN提取候选框（RPN：feature点对应的原图感受野框处生成不同ratio/scale的anchor box,对anchor box二分类+回归）
单步检测：优点：实时性，缺点：准确率不高，定位精度差（不够丰富且只回归修正一次），小物体差：anchor的scale不够多样，不规则物体差：anchor的ratio不够多样
tensorflow Faster-RCNN实战
基于激光点云的的检测算法：
数据特点：简单、稀疏、无序、精确
点云：简单精确适合几何感知
图像：丰富多变适合语义感知。
传统方法:分割地面、点云聚类、特征提取、分类地面分割依赖人为设计的特征和规则
基于激光雷达的点云处理方法：Pixel-Based(基于像素的)
Apollo2.0:俯视投影到地面网格每个网格计算8个统计量，使用UNet做障碍物分割。

第06 视觉定位

什么是跟踪：在连续帧中根据物体信息关联同一物体：运动模型和外观模型，online、offline
保持ID一样、跟踪比检测更快（可以用历史信息进行检测则更快）
产生式模型、鉴别式模型、基于相关滤波的跟踪算法、基于深度学习的方法。

第09 预测系统

PNC(planning and control)（序列）