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，