卡尔曼滤波器在三维目标状态估计中的应用
目前主流的三维目标的状态估计方法（也可称为 MOT 问题）主要包括三部分：1. 检测，出单帧三维目标信息；2. 跟踪，前后帧数据关联出 ID 信息；3. 滤波，平滑估计状态信息。这里的“跟踪”只是狭义地指出 ID 的过程，“滤波”也就是综述 Multiple-Object-Tracking-A-
...
卡尔曼滤波详解
状态估计问题是指，基于初始状态信息，一系列观测量，一系列输入量，以及系统的运动模型和观测模型，来计算系统在某时刻的真实状态的估计值。卡尔曼滤波及其相关卡尔曼滤波算法是状态估计的重要方法。本文介绍卡尔曼滤波(Kalman Filter)，扩展卡尔曼滤波(Extended Kalman Filter
...
KLT 光流算法详解
光流（Optical Flow）是物体在三维空间中的运动（运动场）在二维图像平面上的投影，由物体与相机的相对速度产生，反映了微小时间内物体对应的图像像素的运动方向和速度。
KLT 是基于光流原理的一种特征点跟踪算法，本文首先介绍光流原理，然后介绍 KLT 及相关 KLT 变种算法。
1. O
...
[paper_reading]-"Visual Odometry Part I&II"
1. Overview of VO
SFM(Structure from Motion) 是解决从一堆图片中将场景以及相机姿态进行 3-D 重建的问题，最后的场景以及相机姿态可以通过离线优化方法（bundle adjustment）来 refine。VO & VSLAM 都属于 SFM
...
[paper_reading]-"Stereo R-CNN based 3D Object Detection for Autonomous Driving"
Learning 方法有什么致命缺点吗？我认为目前 Learning 方法还存在的较为棘手的问题是，有时候结果会出现非常低级的错误，或是说不可思议不合常理的 cornercases。所以我认为一个工程系统或是一个鲁棒的算法系统，在 Learning 之后做一个基于常理（如 geometry 约束
...
[paper_reading]-"Stereo Vision-based Semantic 3D Object and Ego-motion Tracking for Autonomous Driving"
本文[1]结合 Semantic SLAM 与 Learning-based 3D Det 技术，提出了一种用于自动驾驶的动态目标定位与本车状态估计的方法。本文系统性较强，集成了较多成熟的模块，对工程应用也有较强的指导意义。 如图 1. 所示，整个系统框架由三部分组成：
2D objec
...
MOT Metrics in Academia and Industry
MOT 是一个比较基本的技术模块，在视频监控中，常用于行人行为分析、姿态估计等任务的前序模块；在自动驾驶中，MOT 是动态目标状态估计的重要环节。在学术界，MOT 算法性能的评价准则已经较为完善，其指标主要关注，尽可能地覆盖所有性能维度，以及指标的简洁性（上一篇有较多介绍，the CLEAR M
...
MOT 评价指标-"Evaluating Multiple Object Tracking Performance, the CLEAR MOT Metrics"
这篇文章介绍了两个综合性指标 MOTA 以及 MOTP 的计算过程，这两个指标有优劣势，但是作为综合性指标至今在学术界仍广泛应用。本文主要介绍其设计思想及计算过程。
一个理想的 MOT 算法，我们期望每一帧：
准确检测目标的数量；
准确估计每个目标的状态，如位置，朝向，速度等；
准确估计每
...
MOT 综述-'Multiple Object Tracking: A Literature Review'
之前做 MOT 还是沿着 SOT 的思路，这篇文章对 MOT 有一个很深入且很有框架性的综述，以下对这篇文章做一个提炼，并加入一些自己的想法。
MOT 作为一个中层任务，是一些高层任务的基础，比如行人的 pose estimation，action recognition，behavior
...