自动驾驶中的传感器主要用到激光雷达，毫米波雷达，摄像头，超声波，优缺点如下：
1）激光雷达的测距精度、测距范围及对温度和光照的适应性很强，缺点线束低的情况，识别不好，也可能会漏掉目标（尤其是非金属物体）
2）相机对环境细节信息多，但是光照影响太大。
3）毫米波最大优点探测角度比较大，抗干扰性强，性能比较稳定，缺点就是分辨率和精度差
4）超声波雷达精度差，探测距离短，只有3m。
传感器标定主要包括内参和外参。内参主要是焦距，光圈，相机中心偏移等参数，可直接获取或者简单算法测定。这里主要说的是外参标定，外参是描述了传感器与其他给定坐标之间的相对位置关系，所以这里的外参描述为，长焦相机与短焦相机之间的外参，相机与雷达之间的外参，又或者是雷达与雷达之间的外参, 都需要分别进行标定。
标定的方式有使用标定间标定，或者使用算法进行标定。使用标定间进行标定，设置一些参照物，多为有角点的物体，方便定位。标定完也可进行误差修正。具体方法：
（1）相机标定： 多点图像数据 VS 多点参照物相应角点数据 方法：PNP算法
（2）点云标定： 多点点云坐标 VS 多点参照物点云数据 方法：ICP算法
不同相机使用PNP得到一个矩阵，将两个矩阵进行传递，一般用一个矩阵得逆乘以另一个矩阵就得到了外参，点云也是这样。
2D图像检测常用算法：SSD；yolo系列；centernet
3D点云检测常用算法：
(1)分割：birdview分割；（2）检测：MV3D
流行算法：VoxelNet，SECOND, PointPillars，Centerpoint
Pillars每个点其实是有xyz或者其他特征的，所以点本身也是一个特征向量。然后通过我们的全连接层，Bath Norm,ReLU，还有Max Pooling这些常规的操作之后，来转换成一个Pillar里的global的特征，一个代表Pillar的特征向量。这个过程其实是对于VoxelNet转化成Voxel过程的一个简化，是VoxelNet对Voxel编码的学习的过程。VoxelNet在最后Voxel得到一个global的特征之后，它还要把global特征再Concat的回去，也就是说每人复制一份再领回去原来的点，然后再继续去迭代这样的过程，在最后的内存里边才是用最后的global的特征作为VoxelNet整个的特征向量。所以PFE其实是一个简化，加快了迭代过程。
损失函数：
PointPillars原来是用了Focal loss作为它分类的损失函数。Focal loss是在2018年的时候提出的，也是用于二维的目标检测，用来改进一个类别不均衡的问题，正负样本比例不均衡的问题。公式有两个参数α和γ。这两个参数要预先设定一个超参数，这个超参数本身是需要通过先验调整。实际的测试中发现这些参数不是特别好调整，因为需要利用一些先验的信息，所以就换成了加权的softmax loss，它的泛化性更好，因为没有那些超参数，泛化后的检测效果有改善，这个加权的意思就是给了一些类比更大的权重。
Pillar特征编码：
左边的结构是原来的，右边的是改进之后的，在拿到点的特征的时候，原本是包含点的xyz坐标和反射率的intensity，当然还有可能有其他的特征，先做一个radius的替换，就是对里面的特征做一个初步的变换。之后再进行后面的操作，Linear，Batch Norm，Relu，MaxPooling，得到最后的一个global的Pillar的特征。
接下来用Radius替换点特征：在右边的这张BEV这个视角下的点云图里面，坐标系的原点O，其实是车上的lidar的传感器，朝前的是x的正方向，左方是Y轴正方向，先计算一个radius，就是xy的二范数，也就是说在这个BEV视角xy平面上，这个点与原点的距离就是radius，用它替代点的原始特征xy，再加上Y intensity，组成这个点变换之后的特征。激光雷达的点云是一圈一圈的点组成的，是几乎不间断的通过旋转激光反射器来获得的。此外，在这个BEV视角下的目标检测里面，X和Y的地位其实是相等的，所以把xy替换成了radius，把这个radius当成点的基本特征去看待，更符合点云是一圈一圈的这个原始的特点，对于网络的提升有帮助。
RPN网络设计：
RPN是最初针对二维目标检测，在Fast-RCN里面提出的一个编码解码的网络，通过预先在网格点上设定好初始的检测框，然后对应到特征图上面，经过后续的处理，得到的这些候选框包含的概率分数值和目标类别，最后再去做进一步的筛选，得到的最终的检测框。而那些初始的候选框proposals，一开始是需要先在这个原始的图上面去取一些初始的anchor，来提供初始的框。在二维的目标检测里边，也就是针对图像的目标检测里面，由于同一个目标，在不同的拍摄角度，在图像上的尺寸是不同的，有些远近关系，那么因此就要设定multi-anchor图像的目标检测里面，可以通过不同大小，不同的长宽比例尽可能去覆盖匹配图像里的这些目标。
Multi-head对RPN的改进：Apollo的PointPillars模型支持9个类别，其中有4个是个头比较大的类别（Large head），比如说轿车、卡车、公交车，还有工程车。另外5个Small head、行人、bicycle、motorcycle、雪糕筒等，那他们在BEV图上所占的尺寸是有差距的，在俯视图视角上这些个头是有一些差距的。所以要把这些类别都分开来，分成两个不同的RPN head去做检测。比如说我们这里在拿到最终的特征图之前，各自先用一个卷积层来输出目标的class类别的概率得分，还有body box的回归值，以及它的direction朝向。
对象跟踪器跟踪分段检测到的障碍物。通常，它通过将当前检测与现有跟踪列表相关联，来形成和更新跟踪列表，如不再存在，则删除旧的跟踪列表，并在识别出新的检测时生成新的跟踪列表。 更新后的跟踪列表的运动状态将在关联后进行估计。 在HM对象跟踪器中，匈牙利算法(Hungarian algorithm)用于检测到跟踪关联，并采用鲁棒卡尔曼滤波器(Robust Kalman Filter) 进行运动估计。
跟踪流程可以分为:
预处理；(lidar->local ENU坐标系变换、跟踪对象创建、跟踪目标保存)
卡尔曼滤波器滤波，预测物体当前位置与速度；(卡尔曼滤波阶段1：Predict阶段)
匈牙利算法比配，关联检测物体和跟踪物体；
卡尔曼滤波，更新跟踪物体位置与速度信息。(卡尔曼滤波阶段2：Update阶段)
对每个时刻检测到的Object与跟踪列表中的TrackedObject进行匈牙利算法的二分图匹配，匹配结果分三类：
如果成功匹配，那么使用卡尔曼滤波器更新信息(重心位置、速度、加速度)等信息；
如果失配，缺少对应的TrackedObject，将Object封装成TrackedObject，加入跟踪列表；
对于跟踪列表中当前时刻目标缺失的TrackedObject(Object都无法与之匹配)，使用上时刻速度，跟新当前时刻的重心位置与加速度等信息(无法使用卡尔曼滤波更新，缺少观测状态)。对于那些时间过长的丢失的跟踪目标，将他们从跟踪队列中删除。
在跟踪对象信息融合的阶段，Apollo的主要工作是，给定一个被跟踪的物体序列：
(Time_1,TrackedObject_1),
(Time_2,TrackedObject_2),
...,
(Time_n,TrackedObject_n)
每次执行LidarSubNode的回调，都会刷新一遍跟踪列表，那么一个被跟踪物体的信息也将会被刷新(重心位置，速度，加速度，CNN物体分割--前景概率，CNN物体分割--各类别概率)。N次调用都会得到N个概率分布(N个CNN物体分割--前景概率score，N个CNN物体分割--各类物体概率Probs)，我们需要在每次回调的过程中确定物体的类别属性，当然最简单的方法肯定是argmax(Probs)。但是CNN分割可能会有噪声，所以最好的办法是将N次结果联合起来进行判断。
参考：开发者说｜Apollo感知分析之跟踪对象信息融合
