智能驾驶
文章平均质量分 82
有关智能驾驶感知定位,传感器融合,目标跟踪和决策的学习的笔记
Patrick_PS
这个作者很懒,什么都没留下…
展开
-
单目标跟踪小结(3):MATLAB实践
内容主要提取自edX平台上Chalmers的micromaster项目:Emerging Automotive Technologies: Sensor Fusion and Non-linear Filtering for Automotive Systems。在单目标跟踪小结(1):理论推导和单目标跟踪小结(2):算法中,我们推导单目标跟踪问题的理论公式并介绍了三种算法。在本文中,我们将采用高斯叠加滤波算法(Gaussian Sum Filtering)跟踪一个随机运动的目标。运动方程和目标观测..原创 2021-02-19 20:15:36 · 1326 阅读 · 3 评论 -
单目标跟踪小结(2):算法
内容主要提取自edX平台上Chalmers的micromaster项目:Emerging Automotive Technologies: Sensor Fusion and Non-linear Filtering for Automotive Systems。本文主要设计选通机制(gating),最近邻滤波(Nearest Neighbour Filtering),加权融合滤波(Probabilistic data association filtering),高斯叠加滤波(Gaussian S..原创 2021-02-19 19:50:47 · 1721 阅读 · 0 评论 -
单目标跟踪小结(1):理论推导
内容主要提取自edX平台上Chalmers的micromaster项目:Emerging Automotive Technologies: Sensor Fusion and Non-linear Filtering for Automotive Systems。对于单目标跟踪,我们主要想解决以下问题:如图所示,在初始时刻,我们有关于状态的估计 ;在随后的每个时刻,我们有多个测量,记做 ,但每个时刻测量个数不定,因为是单目标跟踪,所以对目标的测量为1个(这里我们假设点目标,即一个目标产生一个...原创 2021-02-19 19:09:32 · 1137 阅读 · 0 评论 -
视觉SLAM十四讲(第2版)总结
最近看完了《视觉SLAM十四讲(第2版):从理论到实践》(高翔等著),原书分两部分,先介绍了数学基础,然后介绍了具体的SLAM实践,非常适合零基础开始学习SLAM。作为总结,这里并不对书中的内容做太多的重复说明,本人的水平也不足以用聊聊数字概括原书精华,因而这里采用这样一种思路:提出问题,分析求解,实践应用——来说说自己的理解。本文从研究背景出发,引出SLAM问题的数学模型;运用数学工具分析求解模型(主要是直接求导与扰动模型);最后,对原书第13讲的代码组织进行整理,修改并注释第6讲的g2o代码以便原创 2021-02-14 21:25:44 · 2089 阅读 · 0 评论 -
传感器融合小结(4):粒子滤波器
内容基于edX平台上Chalmers的micromaster项目:Emerging Automotive Technologies: Sensor Fusion and Non-linear Filtering for Automotive Systems,在学习过程主要参考了Particle Filter Tutorial 粒子滤波:从推导到应用。这里主要按照自己的思路进行小结,内容主要包括蒙特卡洛采样,重要性采样权重递推推导,重采样和边缘粒子滤波器。1 模型说明系统模型包括动态模型...原创 2020-11-29 03:25:16 · 1319 阅读 · 5 评论 -
传感器融合小结(3):非线性卡尔曼滤波器
内容主要提取自edX平台上Chalmers的micromaster项目:Emerging Automotive Technologies: Sensor Fusion and Non-linear Filtering for Automotive Systems。内容主要包括高斯滤波器,扩展卡尔曼滤波器(Extended KF),无迹卡尔曼滤波器(Unscented KF)和容积卡尔曼滤波器(Cubature KF)。1 模型说明模型包括系统动态模型(Motion Model)和观测模...原创 2020-11-25 07:13:18 · 2268 阅读 · 0 评论 -
传感器融合小结(2):系统噪声离散化
内容主要提取自 edX 平台上Chalmers的micromaster项目:Emerging Automotive Technologies: Sensor Fusion and Non-linear Filtering for Automotive Systems。对于如下系统动态模型: 其中 为噪声。当 A 为常矩阵时:移项并同乘 有: ...原创 2020-11-22 23:40:08 · 1150 阅读 · 0 评论 -
传感器融合小结(1):贝叶斯滤波
内容主要提取自edX 平台上Chalmers的micromaster项目:Emerging Automotive Technologies: Sensor Fusion and Non-linear Filtering for Automotive Systems。1、频率学派与贝叶斯学派(来自维基百科)在频率学派的推断方法中,未知参数通常(但不总是)被视为具有固定但未知的值,这些值在任何意义上都不能被视为随机变量,因此概率无法与它们相关联。相反,贝叶斯推断方法允许概率与未知参数相关联。个.原创 2020-11-12 03:17:44 · 1083 阅读 · 0 评论 -
关于卡尔曼滤波器的数学推导的学习笔记
卡尔曼滤波器学习笔记,包含推导过程中的具体计算。在学习理解过程中主要参考了以下两篇博客:1)卡尔曼滤波 -- 从推导到应用(一)2)详解卡尔曼滤波原理本笔记主要是为了方便自己理解与将来再回顾,文中若有不足之处,欢迎指正交流!1、系统描述离散系统状态方程为: 其中:U, X, Y 是向量,F, G, C 是矩阵。理想情况下,只要有初始值 X...原创 2020-10-31 06:58:03 · 407 阅读 · 1 评论