#Apollo开发者#

学习课程的传送门如下，当您也准备学习自动驾驶时，可以和我一同前往：

《自动驾驶新人之旅》免费课程—> 传送门

《Apollo Beta宣讲和线下沙龙》免费报名—>传送门

文章目录

前言

感知融合

卡尔曼滤波

融合策略

实例

Tips

总结

---

前言

        见《自动驾驶学习笔记（一）——Apollo平台》

        见《自动驾驶学习笔记（二）——Apollo入门》

        见《自动驾驶学习笔记（三）——场景设计》

        见《自动驾驶学习笔记（四）——变道绕行仿真》

        见《自动驾驶学习笔记（五）——绕行距离调试》

        见《自动驾驶学习笔记（六）——Apollo安装》

感知融合

        感知融合利用各个传感器相辅相成，可以提高感知性能，减少跟踪误差，对预测结果更加确信。

卡尔曼滤波

        感知融合的一个基本算法是卡尔曼滤波，即模型预测和测量更新的无限循环，如下图所示：

融合策略

        1、同步融合：同时更新来自不同传感器的测量结果。

        2、异步融合：逐个更新传感器的测量结果。

实例

        Lidar和Radar两种传感器检测到的目标位置数据，如下图所示：

Tips

        Apollo的车道和目标感知框架：

总结

        以上就是本人在学习自动驾驶时，对所学课程的一些梳理和总结。后续还会分享另更多自动驾驶相关知识，欢迎评论区留言、点赞、收藏和关注，这些鼓励和支持都将成文本人持续分享的动力。

        另外，如果有同在小伙伴，也正在学习或打算学习自动驾驶时，可以和我一同抱团学习，交流技术。

---

        版权声明，原创文章，转载和引用请注明出处和链接，侵权必究！

        文中部分图片来源自网络，若有侵权，联系立删。