终于下班了，忙碌了一天。上一篇主要讲述的KCF跟踪算法，这一篇写写SAMF跟踪算法。1.SAMF跟踪算法的由来SAMF算法是基于KCF，把HOG特征和CN特征进行融合，同时使用了尺度池技术。上一篇已经介绍了KCF跟踪算法，就不再详细叙述了。2.SAMF跟踪算法的原理SAMF算法针对KCF的主要改进之处在于，将KCF单一的HOG特征扩展为HOG+CN+灰度的多特征融合。SAMF的另一个改进之处在于利

上一篇写了为什么要进行传感器标定以及常见的传感器标定分类；但无人驾驶系统一般会基于多种传感器整合的系统，每个传感器的坐标体系都有些不同。为了能够更好地融合信息，需要一个标准坐标系，然后将其它坐标系下的物体都转换到标准坐标系中。在无人驾驶技术中，一般以车载坐标系作为标准坐标系。今天这篇主要讲讲车载坐标系。1.什么是车载坐标系车载坐标系可以描述周围物体和车体之间的相对位置和相对速度关系。定义一个坐标系

基本的感知任务有针对动态道路参与者的目标识别、检测和跟踪，涉及计算机视觉和人工智能领 域中的目标检测、 目标跟踪和场景分割任务。今天这篇文章主要讲讲感知方面的目标检测。1.目标检测任务目标检测任务主要包含检测是否存在感兴趣目标， 目标语义分类，定位目标位置，以及确定目标所占空间范围等。 目标检测是计算机视觉中的经典任务， 最常见的是二维RGB图像中的目标检测，而无人驾驶车载传感器多样，基于激光雷达

上一篇文章主要讲述了目标检测的任务、目标检测的分类、目标检测的意义。近年来，因深度学习算法的蓬勃发展，图像领域的目标检测算法取得了重要进展。今天主要讲述下目标检测算法的分类。目标检测的分类目标检测的分类可以分为两类：一是，检测目标有无的检测任务 ；二是，精确回归目标检测框的回归任务。图像中主流的目标检测算法分为两类：（1 ) 两步法：先产生候选区域，再对这些候选框进行分类，以及检测框的回归，这类算

上一篇文章主要讲述了目标检测的任务、目标检测的分类、目标检测的意义。近年来，因深度学习算法的蓬勃发展，图像领域的目标检测算法取得了重要进展。今天主要讲述下目标检测算法的分类。目标检测的分类目标检测的分类可以分为两类：一是，检测目标有无的检测任务 ；二是，精确回归目标检测框的回归任务。图像中主流的目标检测算法分为两类：（1 ) 两步法：先产生候选区域，再对这些候选框进行分类，以及检测框的回归，这类算

上一篇文章主要讲述了目标检测的任务、目标检测的分类、目标检测的意义。近年来，因深度学习算法的蓬勃发展，图像领域的目标检测算法取得了重要进展。今天主要讲述下目标检测算法的分类。目标检测的分类目标检测的分类可以分为两类：一是，检测目标有无的检测任务 ；二是，精确回归目标检测框的回归任务。图像中主流的目标检测算法分为两类：（1 ) 两步法：先产生候选区域，再对这些候选框进行分类，以及检测框的回归，这类算

上一篇写完了Camera标定，今天这篇文章写写lidar标定。1.什么是lidar标定lidar标定是指lidar坐标系与车载坐标系之间的标定，实质是建立lidar与车辆的空间位置关联。lidar通过发射、接收电磁波 信号获取环境信息，并输出lidar坐标系下的原始数据。2.lidar坐标系lidar通常安装在车顶位置，其与车辆之间的相对姿态和位置是固定不变的。lidar坐标系原点位于雷达中心，X

终于把感知方面的目标跟踪写完了，这部分的内容较多，也比较复杂。今天开始写感知方面的最后一块内容——传感器标定。1.为什么要进行传感器标定为了更全面的获取环境信息，无人驾驶的感知系统需要使用多个同构或异构传感器实现数据的采集。那么这些传感器的安装位置和姿态不尽相同，因此在对传感器数据进行处理之前，必须对传感器本身以及传感器之间进行标定，从而建立传感器与无人车之间以及传感器之间的空间位置关联。2.常见

上一篇文章主要讲述了目标检测算法的分类。图像中主流的目标检测算法分为两类：（1 ) 两步法； (2) —步法。 两步法中有一种代表算法是滑动窗口检测，今天主要讲讲什么是滑动窗口算法。1.什么是滑动窗口滑动窗口，即指在处理数据时只考虑最近数据流。它主要处理窗口内最近的数据，可被用来更好地获取当前数据流的特征信息。但在滑动窗口下不仅有新数据连续到达，而且旧数据会过期。举例说明，下图为一个滑动窗口模型。

上一篇介绍了车载坐标系，以及目前比较常用的车载坐标系定义有三个，分别是SAE 汽车工程协会定义、基于惯性测量单元的 IMU 定义、ISO 国际标准定义；他们之间的区别。今天主要写写视觉Camera标定。1.什么是Camera标定Camera标定是指图像坐标系与车载坐标系之间的标定，其实质是求解Camera参数的过程，目的是建立图像像素与无人车之间的空间位置关联。2.Camera模型分类Camera