SDCND：传感器融合和跟踪 这是第二课程的：传感器融合和跟踪。 在此项目中，您将融合来自LiDAR和摄像机的测量结果，并随时间跟踪车辆。 您将使用来自Waymo开放数据集的真实数据，检测3D点云中的对象，并应用扩展的卡尔曼滤波器进行传感器融合和跟踪。 该项目包括两个主要部分： 对象检测：在这一部分中，基于3D点云的鸟瞰图，深度学习方法用于检测LiDAR数据中的车辆。 此外，一系列性能指标可用于评估检测方法的性能。 目标跟踪：在这一部分中，基于激光雷达检测与摄像头检测相融合的扩展卡尔曼滤

无人驾驶汽车Beta测试纳米度 传感器融合和物体检测 我们使用Waymo Open Dataset的真实数据，并在该项目中应用了扩展的Kalman融合滤波器来绘制和跟踪多辆车辆。 完成项目所需完成的主要任务： 实现卡尔曼滤波器以跟踪对象 跟踪管理，初始化，更新和删除跟踪以进行跟踪 数据关联 相机传感器融合，基于激光雷达融合，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 在filter.py文件中，使用EKF。 设计系统状态[x，

是世界上第一个用于自动驾驶汽车的“多合一”开源软件。 Autoware的功能主要适合于城市，但也可以涵盖高速公路，高速公路，中山地区和地理围栏地区。 Autoware的代码库受Apache 2许可证保护。 请自行决定使用它。 为了安全使用，我们为不拥有真正的自动驾驶汽车的人提供了基于ROSBAG的仿真环境。 如果您打算将Autoware与真正的自动驾驶汽车一起使用，请在进行现场测试之前制定安全措施和风险评估。 您可以参考用户指南和开发人员指南。 什么是汽配 Autoware提供了一组丰富的自

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.

SFND 3D对象跟踪 欢迎来到相机课程的最终项目。 通过完成所有课程，您现在对关键点检测器，描述符和在连续图像之间进行匹配的方法有了深入的了解。 另外，您知道如何使用YOLO深度学习框架检测图像中的对象。 最后，您知道如何将摄像机图像中的区域与3D空间中的激光雷达点相关联。 让我们看一下程序原理图，看看我们已经完成了什么，还缺少什么。 在这个最终项目中，您将实现原理图中缺少的部分。 为此，您将完成四个主要任务： 首先，您将开发一种使用关键点对应关系随时间匹配3D对象的方法。 其次，您将基