视频时长约为10分钟，请注意流量
1. 嬴彻自动驾驶软件系统架构
最底层是数据分发系统，其上有嬴彻开发的Inceptio Robotics System。在这样的操作系统上，3D感知是Software Stack中非常重要的一环，包括传感器融合、Radar pipeline、Camera pipeline 和 Lidar pipeline。
2. 了解传感器
3D感知系统，即环境感知系统，一般包括毫米波雷达、激光雷达和摄像头，这三种传感器各有优势也各有劣势。
【摄像头】它的优点是成本低廉，支持基于深度学习的类型识别，技术相对比较成熟。摄像头的劣势在于获取准确三维信息非常难，同时受环境光限制比较大。
【毫米波雷达】它的优点在与测距、测速精度高，耐候性好，适用于ADAS产品的应用，价格相对激光雷达低许多。缺点在于无法完成障碍物的形态识别。
【激光雷达】它的优点在于其探测距离较远，而且能够准确获取物体的三维信息；另外它的稳定性相当高。但激光雷达对速度不敏感，且目前成本较高。
环境感知系统的一个重要目的是将这三种传感器有机地融合在一起，发挥各个传感器的所长，最大化挖掘感知系统潜力，实现1+1+1>3的效果。
3. 单目标跟踪的定义
基于传感器数据，来估计目标在场景中的运动轨迹，包括它的位置、速度、加速度等。在其中需要解决数据存在误差、不完善、miss detection、false alarm等问题。
4. 单目标跟踪的4大重点
【重点1】 航迹检测 Track Initialization
-确定场景中是否有一个目标在运动
扩展阅读《几种检测前跟踪算法的检测性能比较》：
https://link.springer.com/content/pdf/10.1155/2008/428036.pdf
【重点2】 数据关联 Data Association
– 确定哪些量测信息是从目标来的
扩展阅读《数据关联简介》：http://www.cse.psu.edu/~rtc12/CSE598C/datassocPart1.pdf
《概率数据互联滤波器》：https://en.wikipedia.org/wiki/Probabilistic_data_association_filter
【重点3】 滤波器 Filter
– 基于传感器的量测信息，过滤噪声，以估计目标的运动状态
扩展阅读《卡尔曼滤波器》：https://en.wikipedia.org/wiki/Kalman_filter
【重点4】 目标机动 Target maneuver
– 需要假设目标的运动模型
扩展阅读《机动目标跟踪综述 - 第五部分：多模型方法》：http://users.isr.ist.utl.pt/~alex/theses/predbot/surveymtt5.pdf
5. 更多目标跟踪的课题
航迹的起始 Track initialization
乱序数据处理 Out of sequence measurements 目标运动模型的设计 Dynamic model design
系统参数的识别 Parameter identification 传感器数据概率模型 Probabilistic model for sensor data
扩展目标跟踪 Extended target tracking
我们将在未来选取部分课题进行详谈。
