第588章都會搶答了
第588章都會搶答了(第2/3頁)
數據。如何將它們統一起來，得到一個對周圍環境最可靠、最一致的認知？”
“核心是概率圖模型（probabilisticgraphicalmodels）！”陳默的聲音斬釘截鐵。
“貝葉斯網絡（bayesiannetwork）用於建模變量間的概率依賴關係，馬爾可夫隨機場（markovrandomfield,mrf）用於處理空間關聯性。
用它們來融合多傳感器數據，估計目標的存在概率、位置、速度、類彆...
這是處理感知不確定性的數學利器！”
他目光如電，掃過顧南舟：
“而在這個融合過程中，一個關鍵挑戰是多目標跟蹤（multi-objecttracking,mot）和數據關聯（dataassociation）。
不同傳感器、不同時刻檢測到的目標，如何確定誰是誰？
如何避免混淆？
這需要解決一個指派問題（assignmentproblem）！”
“最經典的解法是什麼？”陳默微微提高了聲音，帶著一種引導的意味看向顧南舟。
顧南舟幾乎是脫口而出：
“匈牙利算法（hungarianalgorithm）！
一種基於圖論的組合優化算法，用於解決二分圖最大權匹配問題！
它能高效地解決傳感器數據到目標的關聯！”
陳默這個時候的表情像極了春晚上的趙本山，不錯，都會搶答了。
“冇錯！”他眼中閃過一絲讚許，語氣鏗鏘有力。
“正是圖論和組合優化（combinatorialoptimization）！
南舟，你說，一個能將貝葉斯網絡、馬爾可夫隨機場、匈牙利算法等離散數學工具玩轉於股掌之間，構建出魯棒感知融合框架的專家，是不是智能駕駛感知係統的定海神針？”
顧南舟不知道自己已經被忽悠瘸了，隻是感到自己的心臟在胸腔裡劇烈地跳動，血液奔湧向大腦。
他之前對智能駕駛算法的理解還停留在模糊的概念層麵，此刻被陳默用離散數學這把鋒利的手術刀，精準地解剖開來，露出了內在最堅實的筋骨。
那些他浸淫多年的數學理論，竟然如此直接、如此核心地映射在自動駕駛的每一個關鍵環節！
他仿佛看到了一條由他熟悉的數學符號鋪就的、通往智能駕駛巔峰的清晰路徑。
卞金鱗已經完全坐不住了，他猛地一拍大腿，聲音帶著難以抑製的激動：
“陳總！您真是...神了！太精辟了！
我們感知組那幫小子，天天跟多目標跟蹤的數據關聯死磕，用的就是匈牙利算法的變種！
可我們之前隻知其然，知其有用，卻冇能像您這樣，從
（本章未完，請點擊下一頁繼續閱讀）