本项目运用线性跟驰模型和无迹卡尔曼滤波（UKF）算法，在MATLAB平台上开发，旨在优化自动驾驶车辆在车队中的动态行为预测与控制。
在无人驾驶汽车工程师纳米学位课程的线性跟驰模型项目中，我们使用了无味卡尔曼滤波器（Unscented Kalman Filter, UKF）来处理激光雷达和雷达数据以估计目标物体的状态信息。该项目要求通过UKF计算得到的结果需满足特定误差阈值下的均方根误差(RMSE)标准。
在项目中，我们使用了Term2Simulator模拟环境进行测试与开发，并提供了详细的安装指南用于Linux或Mac系统；对于Windows用户，则推荐采用Docker、VMware等虚拟化技术或者直接安装uWebSocketIO来完成设置。一旦完成了所有必要的软件和库的配置后，可以通过以下步骤构建并运行主程序：
```shell
mkdir build
cd build
cmake ..
make
./UnscentedKF
```
对于状态向量的设计，在该项目中我们采用了一种假设恒定转弯速度与线性速度（Constant Turn Rate and Velocity, CTRV）模型。该状态矢量包括以下要素：
- 物体在X轴上的位置（像素）
- 物体在Y轴上的位置
- 速度或速率的大小
- 偏航角
- 角度变化率
其中，X和Y坐标系是相对于自动驾驶车辆行进方向定义的。
5星
