第588章 都会抢答了

“然后是感知融合（SenSOr

FUSiOn）。”他的语气变得如同精密仪器般冷静，“摄像头、激光雷达、毫米波雷达...多源异构传感器，各自输出带噪声、带不确定性的数据。如何将它们统一起来，得到一个对周围环境最可靠、最一致的认知？”

“核心是概率图模型（PrObabiliStiC

GraphiCal

MOdelS）！”陈默的声音斩钉截铁。

“贝叶斯网络（BayeSian

NetWOrk）

用于建模变量间的概率依赖关系，马尔可夫随机场（MarkOv

RandOm

Field,

MRF）

用于处理空间关联性。

用它们来融合多传感器数据，估计目标的存在概率、位置、速度、类别...

这是处理感知不确定性的数学利器！”

他目光如电，扫过顾南舟：

“而在这个融合过程中，一个关键挑战是多目标跟踪（MUlti-ObieCt

TraCking,

MOT）

和数据关联（Data

ASSOCiatiOn）。

不同传感器、不同时刻检测到的目标，如何确定谁是谁？

如何避免混淆？

这需要解决一个指派问题（ASSignment

PrOblem）！”

“最经典的解法是什么？”陈默微微提高了声音，带着一种引导的意味看向顾南舟。

&

本章未完，请点击下一页继续阅读！ 第3页 / 共5页