#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。
