这段内容提供了一个用于自动驾驶系统中的无味卡尔曼滤波算法的Matlab实现，其中包括RMSE误差计算的代码。适合对自动驾驶技术感兴趣的研究者和开发者参考使用。
在本项目中，您将使用C++编写无味卡尔曼滤波器程序，通过嘈杂的激光雷达和雷达测量来估计非线性移动对象的状态。卡尔曼滤波器是一种强大的方法用于跟踪如行人或骑自行车的人等运动物体。
构建说明如下：
1. 克隆启动文件。
2. 在repo目录上创建一个名为“build”的构建目录：“mkdir build”。
3. 进入“build”目录：“cd build”。
4. 编译代码：“cmake .. && make”。
5. 运行程序：“./UnscentedKF”。
运行此操作后，会打开TCP端口：4567。启动模拟器并连接到监听端口。
选择项目1中的EKF和UKF选项，并点击“开始”按钮以启动模拟器。您应该在终端上看到消息已连接！！！
本项目的依赖项包括：
- CMake 3.5或更高版本
- GCC/G++ 4.1或更高版本
可以通过Matlab脚本来生成额外的数据，用于计算均方根误差（RMSE）。此计算位于src/tool.cpp文件中。最终的RMSE数据集如下：
数据集1： RMSE<=
5星
