自动驾驶汽车的物体跟踪：卡尔曼滤波器背后的直观理解和数学原理

文章预览

一，引言 自动驾驶的三个主要组成部分是定位（我在哪里）、感知（我周围有什么）和控制（如何驾驶）。我们使用传感器来感知周围的事物。这些传感器有很多好处，但也存在一些明显的缺点。摄像头提供高分辨率，但无法轻松检测速度和距离。激光雷达可以创建漂亮的 3D 地图。但激光雷达体积庞大且价格昂贵。此外，摄像头和激光雷达都容易受到恶劣天气和环境因素的影响。雷达在恶劣条件下工作得更好，可以很好地检测速度。但它的分辨率不足以实现精确操纵。当我们处理自动驾驶汽车传感器时，我们没有一刀切的解决方案。 卡尔曼滤波器旨在融合传感器读数，从而做出比单个传感器更准确的预测 。然而，卡尔曼滤波器中的数学知识可能过于复杂。我们将首先介绍直观的理解，然后解释数学知识，以使其更容易理解。 二，直观的理解 我 ………………………………