自动驾驶 8-0: 状态估计的重要 The Importance of State Estimation
Posted AI架构师易筋
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了自动驾驶 8-0: 状态估计的重要 The Importance of State Estimation相关的知识,希望对你有一定的参考价值。
那么,为什么状态估计对自动驾驶汽车如此重要?
嗯,直截了当的回答, 你需要知道你在哪里, 你得到的所有输入都是传感器数据。
因此,可以简单地发布状态估计问题 鉴于所有这些传入的传感器数据,“我在哪里?”
因此,您的状态是您所在位置的答案。
你得估计一下。因为你不一定被摄像机告知。
所以,如果我有一张世界的照片, 我必须从那张照片中推断出我在哪里, 或者我的移动方式, 我的转弯有多快。 这就是状态估计问题。
因此,您需要使用该传感器数据。
也许你有一些先验信息。
我们有一些关于你走多快的先验信念, 10 毫秒前,你可以把它折叠起来。
但是如果你不能做状态估计, 您无法处理传感器数据。
我会说在最高级别。 所以,这是一个非常基本的问题。
所以,我们已经同意状态估计很重要。
如果那也是那么容易的问题,那岂不是很好。
不幸的是,这很难。 为什么?
嗯,因为传感器数据我们被要求处理来回答这个问题。
例如,在哪里? 我怎么动了?
那边那个人要做什么, 因为我知道他们的速度。 我
们正在处理的传感器数据通常是错误的。
参考
https://www.coursera.org/learn/state-estimation-localization-self-driving-cars/lecture/6SKF2/the-importance-of-state-estimation
以上是关于自动驾驶 8-0: 状态估计的重要 The Importance of State Estimation的主要内容,如果未能解决你的问题,请参考以下文章
自动驾驶 9-1: (线性)卡尔曼滤波器The (Linear) Kalman Filter
自动驾驶 9-2: 卡尔曼滤波器和偏置BLUEs Kalman Filter and The Bias BLUEs
自动驾驶 9-2: 卡尔曼滤波器和偏置BLUEs Kalman Filter and The Bias BLUEs
自动驾驶 9-5: EKF 的局限性 Limitations of the EKF