贝叶斯滤波计算4d毫米波聚类目标动静属性

机器人学中有些问题是二值问题,对于这种二值问题的概率评估问题可以用二值贝叶斯滤波器binary Bayes filter来解决的。比如机器人前方有一个门,机器人想判断这个门是开是关。这个二值状态是固定的,并不会随着测量数据变量的改变而改变。就像门一样,不是开就是关。

现在我利用二值贝叶斯滤波来在跟踪阶段判断4d毫米波聚类后目标的动态和静态属性

为了估计目标在给定时刻的动态概率,计算速度大于给定值的点与目标点云中的点总数的比率。在二值贝叶斯滤波器中使用贝叶斯定理来更新目标的状态,它可以是静态的,也可以是动态的,在t时刻分别用0或1的二进制值表示。

在动态和静态属性更新中, p ( x ∣ z t ) p(x|z_t) p(x∣zt)计算为速度大于给定值 v d v_d vd的点数与目标点云中的点总数的比值。

最后我们通过lt来计算二值状态的置信度:

明天写代码验证效果

相关推荐
伞伞悦读2 小时前
【第92期】逻辑回归的分数概率与阈值的实验与排查
人工智能·python·深度学习·机器学习
电科_银尘3 小时前
【大模型算法与工程 27】训练配方:批量、学习率、精度与梯度裁剪
学习·算法·机器学习
硅谷秋水9 小时前
面向精确到达任务的机器人-对齐3D高斯溅射方法——基于腕部-相机VLA策略
数码相机·机器学习·计算机视觉·3d·机器人
龙腾AI白云10 小时前
数字孪生与计算机视觉:让机器看懂现场
大数据·数据库·机器学习·知识图谱·pygame
高洁011 天前
数字孪生与计算机视觉:让机器看懂现场
人工智能·python·机器学习·transformer·迁移学习
在所不辞兄1 天前
为什么数字孪生驱动的产线标定需要在线更新机制,而不能一次标定后长期沿用?
人工智能·神经网络·其他·算法·机器学习
Oiiouui1 天前
原始CNN识别与训练模型实现
神经网络·机器学习·cnn
罗西的思考1 天前
【轻量化复现大模型 / KIMI K3】训练模块梳理 & Muon P2P 优化器
人工智能·深度学习·机器学习
伞伞悦读1 天前
【第90期】KNN分类回归流水线与K值对照的实验与排查
大数据·人工智能·python·深度学习·机器学习