【自动驾驶】感知融合中的匹配算法

1.概念

        匹配算法，就是说当前帧的感知上游输入过来的量测值如何与前一帧的track匹配起来。首先我们需要计算track与量测值之间的距离，然后通过一定的分配算法来找到每个track的最佳匹配。

2.距离度量

        距离度量是衡量两个目标相近的一种方式，有可能是2D的图像特征度量，用得更多的是IoU、欧式距离等通过计算3D、2D目标的位置距离度量方式。

IoU：一般用在2D\3D的距离计算中。可能会计算较慢。

欧式距离：一般用在不规则多边形，或者感知输出不稳定或会经常性出现遮挡等情况下。

余弦距离：特征距离计算的一种方法，一般用于图像域。需要比较大的数据集泛化能力。

3.分配算法

        我们比较熟知的deep-sort中，用到的就是匈牙利算法。这个算法就是一种分配算法，除此之外还有贪心算法等。

匈牙利算法：通过矩阵运算，在多项式时间内求解任务分配问题的组合优化算法。该算法能较好的解决分配问题。能够尽可能的为每个track都找到一个最优解。

贪心算法：在对问题求解时，总是做出在当前看来是最好的选择。再每轮迭代中都要找到该track的最佳匹配（每次都剔除被某个track绑定的量测值）。在单个传感器的跟踪的时候比较好用。

4.举个例子

（1）距离度量

下面的算法就是目标检测中也常用的IoU计算，我们会计算目标框（track&#x