🚗 运动补偿 · 状态估计
📘 30章 完整目录
01
课程导论与坐标系基础
为什么需要运动补偿？世界坐标系、车辆坐标系、传感器坐标系定义与转换。
02
自车运动模型
恒定速度模型(CV)、恒定加速度模型(CA)、恒定转弯率和速度模型(CTRV)。
03
传感器时间戳同步
不同传感器(Camera, LiDAR, Radar)的时间戳对齐问题与插值方法。
04
刚体运动学基础
旋转矩阵、平移向量、齐次坐标与SE(3)变换。
05
四元数与欧拉角
旋转的表示方法、万向锁问题、四元数插值(SLERP)。
06
IMU测量模型与预积分
IMU工作原理、加速度计与陀螺仪模型、预积分理论。
07
轮速计与里程计模型
基于轮速的航位推算、阿克曼转向几何模型。
08
卡尔曼滤波入门
状态空间模型、预测与更新步骤、一维卡尔曼滤波示例。
09
扩展卡尔曼滤波(EKF)
非线性系统线性化、雅可比矩阵计算、EKF在运动补偿中的应用。
10
无迹卡尔曼滤波(UKF)
无迹变换、Sigma点选取、UKF与EKF对比。
11
粒子滤波(PF)
蒙特卡洛方法、重要性采样、重采样、粒子滤波适用场景。
12
自车运动补偿原理
为什么需要补偿？补偿的数学本质 (将测量值变换到统一时间戳)。
13
基于EKF的自车运动补偿
状态向量设计、预测模型、观测模型、补偿流程。
14
基于UKF的自车运动补偿
处理强非线性运动时的优势、代码实现要点。
15
LiDAR点云的运动畸变去除
点云畸变成因、逐点补偿方法、基于IMU的畸变校正。
16
Radar目标运动补偿
Radar多普勒速度补偿、目标位置补偿、Radar与自车运动解耦。
17
Camera图像的运动补偿
图像去抖动、基于特征点的帧间运动估计、全局快门与卷帘快门补偿。
18
多传感器融合中的时间对齐
硬触发同步、软同步策略、时间戳管理。
19
动态目标状态估计问题建模
目标状态向量 (位置、速度、加速度、角速度)、运动模型选择。
20
基于CV/CA模型的单目标跟踪
状态转移矩阵、观测矩阵、滤波实现。
21
基于CTRV/CTRA模型的单目标跟踪
转弯运动建模、非线性滤波实现。
22
交互多模型(IMM)算法
多模型架构、模型概率更新、状态融合。
23
数据关联基础
最近邻(NN)、全局最近邻(GNN)、联合概率数据关联(JPDA)。
24
多目标跟踪(MOT)框架
跟踪启动、跟踪维持、跟踪终止、航迹管理。
25
匈牙利算法与分配问题
代价矩阵构建、匈牙利算法实现、在MOT中的应用。
26
基于深度学习的端到端目标跟踪
CenterTrack、MOTR等算法简介与运动补偿的结合。
27
运动补偿与状态估计的工程实现
C++/Python代码架构、实时性优化、内存管理。
28
仿真与数据集验证
KITTI、nuScenes数据集使用、仿真环境搭建(CARLA/Gazebo)。
29
评估指标
MOTA、MOTP、ID Switch、轨迹精度(ATE)、相对精度(RPE)。
30
课程总结与前沿展望
当前挑战 (遮挡、长时跟踪)、未来趋势 (端到端、大模型)。