1 系统状态模型

1.1 状态变量的定义

bbox：目标框位置；

（在GoK的世界里，物体在没有外力的情况下速度为0）

（class：检测模块会输出目标的类别）

备注：

（loc_txt：如果信息量不够，还可以使用txt位置进行辅助融合定位）

（key：这个建模方式暂时不用，感觉粒度较细，对模型的要求会很高）

1.2 状态转移方程

A：状态转移矩阵，

A=E;

对于其它物体，需要用外力因素进行建模，需要加上目标的相对位移；

2 备注

2.1 时序信息融合的根本解决方案我觉得还是LSTM

在我看来，卡尔曼滤波还是一种基于先验信息的建模方法，如果要实现完全的端到端模型，还是需要使用LSTM这种“学习型”的算法对时序信息进行融合；

2.1 Autoware的跟踪模块的预测是用什么算法实现的？

石方是这样说的：

2.2 也可以使用CNN+LSTM实现跟踪的功能

可以看看这篇文章《Zero to Hero: A Quick Guide to Object Tracking: MDNET, GOTURN, ROLO》，

它里面是这样说的：

自动驾驶——多目标跟踪模块的学习笔记相关推荐

自动驾驶目标识别-----毫米波雷达学习笔记（1）
1.毫米波雷达介绍 1.1 什么是毫米波雷达通常将波长为1-10毫米的电磁波称毫米波,车载毫米波雷达工作的频段为24GHz和77GHz,少数国家(如日本)采用60GHz频段.车载毫米波雷达通过天线向 ...
自动驾驶—— Image Caption的学习笔记
3.2 loss函数-- CTC Loss CTC Loss是一个易于使用的loss函数: 3.2.1 原始CTC存在的问题此图片来自于李宏毅老师的课程视频, 4 CTC的改进 4.1 RNN-T- ...
自动驾驶——模型部署的学习笔记
2 剪枝模型剪枝是很有效的,因为模型在初始化时会有很多的神经元,也就是"想的很多",通过剪枝可以消除一些作用小的神经元:
自动驾驶—全局定位的学习笔记
1 基于遗传算法的全局匹配方法选取特征子算法,可以使用SIFT特征子: 使用遗传算法进行coarse匹配:
自动驾驶—— Image Caption的学习笔记(legacy)
1 前言序列映射我们当前准备使用Transformer的结构: 2 致谢感谢公众号<人工智能技术干货>提供的资料,<如何优雅的使用pytorch内置torch.nn.CTCLos ...
自动驾驶、无人驾驶、车联网笔记分享
持续更新整理一些自动驾驶领域.无人驾驶领域.车联网领域的优秀资源笔记,分享给有需要的人. 车路协同.车联网.智慧交通.智能网联车.自动驾驶.无人驾驶.高精度地图资料汇总与整理车路协同优质资料整理地址 ...
自动驾驶汽车之深度学习 2018 MIT 6.S094 Deep Learning for Self-Driving Cars
MIT自动驾驶汽车之深度学习课程更新到2018版本,PPT酷炫. ------ ------ 麻省理工学院6.S094:自驾车深度学习跳至内容 Home DeepTraffic DeepCrash ...
新手入坑自动驾驶，我是这么学习的......
它是谁? 没错,它就是是英伟达推出的一款入门级人工智能小车--Jetbot ,估计对机器人,尤其是对车械感兴趣的朋友们一定对它不陌生.组装完成后能够通过摄像头自主识别障碍物并避开,还可以进行人脸识别, ...
python3常用模块_Python学习笔记三(常用模块)
Python 学习笔记三 (常用模块) 1.os模块 os模块包装了不同操作系统的通用接口,使用户在不同操作系统下,可以使用相同的函数接口,返回相同结构的结果. os.name:返回当前操作系统名称( ...

自动驾驶——多目标跟踪模块的学习笔记