#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 社区开发者圆桌会》免费报名—>传送门
文章目录
前言
匹配关联
轨迹记录
状态预测
总结
前言
见《自动驾驶学习笔记（十一）——高精地图》
见《自动驾驶学习笔记（十二）——定位技术》
见《自动驾驶学习笔记（十三）——感知基础》
见《自动驾驶学习笔记（十四）——感知算法》
见《自动驾驶学习笔记（十五）——交通灯识别》
自动驾驶中的目标跟踪流程如下图所示：
匹配关联
匹配关联的主要目的是：根据运动目标相关的特征值，将障碍物序列中连续帧的同一运动目标关联起来，得到每顿数据中目标的运动参数，以及相邻帧间目标的对应关系。
相邻两个计算周期内检测到的目标示例如下：
以目标的类型、大小、位置等特征值，使用匈牙利算法进行匹配，示例如下：
障碍物匹配结果如下：
| 前一帧 | 后一帧 |
| 1 | b |
| 2 | c |
| 3 | a |
| 4 | 消失 |
| / | 新增d |
轨迹记录
根据相邻帧间目标的对应关系，把每个时刻串联起来，从而得到障碍物完整的运动轨迹，示例如下。
状态预测
根据目标的轨迹可以计算得到航向，再根据轨迹中每个点的时间戳，可以计算得到目标速度和加速度等状态信息。
预测得到的目标状态信息可用于卡尔曼滤波算法更新运动状态，也可用于目标未来走向的预测，示例如下：
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。
