首页
›
自动驾驶
›
030-毫米波雷达
›
《毫米波雷达多目标关联与航迹管理》
VIP20
本课程属于:030-毫米波雷达
自动驾驶 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
毫米波雷达多目标关联与航迹管理
📚 共计 30 章节
01
毫米波雷达基础
FMCW原理 · 距离-多普勒-角度估计 · 点云生成
雷达原理
点云
02
目标关联概述
什么是关联 · 处理流程位置 · 挑战:杂波/漏检/航迹起始
基础概念
挑战
03
经典关联算法(一)
最近邻(NN)算法原理与实现
NN
经典
04
经典关联算法(二)
全局最近邻(GNN)与匈牙利算法
GNN
匈牙利
05
经典关联算法(三)
概率数据关联(PDA)算法原理
PDA
概率
06
经典关联算法(四)
联合概率数据关联(JPDA)算法
JPDA
多目标
07
经典关联算法(五)
多假设跟踪(MHT)算法
MHT
假设
08
状态估计基础
卡尔曼滤波(KF)与扩展卡尔曼滤波(EKF)
KF
EKF
09
状态估计进阶
无迹卡尔曼滤波(UKF)与粒子滤波(PF)
UKF
PF
10
航迹管理
航迹起始 · 确认 · 维持 · 删除
航迹
生命周期
11
关联门(Gate)设计
矩形门 · 椭圆门 · 基于概率的门限
门限
波门
12
关联代价函数
马氏距离 · 欧氏距离 · 似然函数
代价
度量
13
“鬼影”与“漏检”问题
多目标跟踪中的难点与对策
鬼影
漏检
14
传感器融合中的关联
雷达-雷达融合 · 雷达-视觉融合
融合
多传感器
15
深度学习方法(一)
端到端学习框架
深度学习
端到端
16
深度学习方法(二)
图神经网络(GNN)在关联中的应用
GNN
图网络
17
深度学习方法(三)
Transformer在关联中的应用
Transformer
注意力
18
关联性能评估指标
OSPA · MOTA · ID Switch
评估
指标
19
工程实践(一)
C++实现NN与GNN关联
C++
实现
20
工程实践(二)
Python实现PDA与JPDA仿真
Python
仿真
21
工程实践(三)
基于ROS的雷达目标关联节点开发
ROS
节点
22
工程实践(四)
嵌入式平台上的关联算法优化
嵌入式
优化
23
特殊场景(一)
密集杂波环境下的关联策略
杂波
密集
24
特殊场景(二)
低信噪比下的关联策略
低SNR
鲁棒
25
特殊场景(三)
群目标跟踪与关联
群目标
编队
26
特殊场景(四)
扩展目标跟踪与关联
扩展目标
形状
27
开源库介绍
Stone Soup · OpenRadar · KFAS
开源
工具
28
行业应用(一)
自动驾驶中的多传感器目标关联
自动驾驶
融合
29
行业应用(二)
安防监控雷达的目标关联
安防
监控
30
未来趋势
端到端关联 · 大模型与雷达感知
趋势
大模型
所属VIP或分类
同VIP:FMCW毫米波雷达系统设计与信号处理
同VIP:毫米波雷达ADC数据录制回放系统
同VIP:毫米波雷达与激光雷达融合实战