基于扩展卡尔曼滤波器的带噪激光雷达与雷达测量的目标状态估计方法

简介：
本研究提出了一种结合扩展卡尔曼滤波技术的方法，用于处理带噪环境下的激光雷达和雷达数据，以精确估计目标状态。 在这个扩展卡尔曼滤波器项目入门代码的无人驾驶汽车工程师纳米学位课程中，你需要通过有声激光雷达和雷达测量来估计感兴趣运动对象的状态，并确保获得的RMSE值低于项目的公差标准。 该项目包括一个模拟器，可以下载使用。存储库中有两个文件，用于在Linux或Mac系统上设置和安装相关环境。对于Windows用户，则可以通过Docker、VMware等工具安装uWebSocketIO。关于所需的版本信息以及如何进行安装，请参考EKF项目课程中的“uWebSocketIO入门指南”。 完成uWebSocketIO的安装后，你可以通过以下步骤构建并运行主程序： 1. 在项目的顶级目录中创建一个名为`build`的新文件夹。 2. 进入该文件夹，并执行命令 `cmake ..` 3. 然后执行命令 `make ./ExtendedKF` 关于如何设置环境的提示可以在该项目课程中的课堂内容找到。需要注意的是，你需要编写和修改的主要代码位于src/FusionEKF.cpp 文件中。