文件名称：传感器融合和对象跟踪
文件大小：39.84MB
文件格式：ZIP
更新时间：2024-03-07 05:05:15
Python
自动驾驶汽车Beta测试纳米度 中期-3D对象检测 在该项目中，我们使用了来自Waymo Open Dataset的真实数据，并将扩展的Kalman滤波器应用于传感器融合和跟踪多辆车。 完成项目所需完成的主要任务： 实现卡尔曼过滤器以跟踪对象 跟踪管理，初始化，更新和删除跟踪以管理跟踪 数据关联 相机传感器融合，在激光雷达融合的基础上，添加相机测量融合 要运行项目，只需运行脚本loop_over_dataset.py。 步骤1：扩展卡尔曼滤波器 我们使用ekf跟踪对象。 EKF在filter.py中实现。 实施ekf包括以下工作， 设计系统状态[x，y，z，vx，vy，vz] 设计过程模型，恒定速度模型 使用恒定的速度模型执行预测步骤，并且过程噪声随着增量时间而增加 使用激光雷达测量模型实施更新步骤 对于教室中指定的路段，绘制了下图。 图。1 步骤2：追踪管理 跟踪管理在tra