第588章都会抢答了
第588章都会抢答了(第2/3页)
输出带噪声、带不确定性的数据。如何将它们统一起来，得到一个对周围环境最可靠、最一致的认知？”
“核心是概率图模型（probabilisticgraphicalmodels）！”陈默的声音斩钉截铁。
（本章未完，请点击下一页继续阅读）第588章都会抢答了(第2/2页)
“贝叶斯网络（bayesiannetwork）用于建模变量间的概率依赖关系，马尔可夫随机场（markovrandomfield,mrf）用于处理空间关联性。
用它们来融合多传感器数据，估计目标的存在概率、位置、速度、类别...
这是处理感知不确定性的数学利器！”
他目光如电，扫过顾南舟：
“而在这个融合过程中，一个关键挑战是多目标跟踪（multi-obiecttracking,mot）和数据关联（dataassociation）。
不同传感器、不同时刻检测到的目标，如何确定谁是谁？
如何避免混淆？
这需要解决一个指派问题（assignmentproblem）！”
“最经典的解法是什么？”陈默微微提高了声音，带着一种引导的意味看向顾南舟。
顾南舟几乎是脱口而出：
“匈牙利算法（hungarianalgorithm）！
一种基于图论的组合优化算法，用于解决二分图最大权匹配问题！
它能高效地解决传感器数据到目标的关联！”
陈默这个时候的表情像极了春晚上的赵本山，不错，都会抢答了。
“没错！”他眼中闪过一丝赞许，语气铿锵有力。
“正是图论和组合优化（combinatorialoptimization）！
南舟，你说，一个能将贝叶斯网络、马尔可夫随机场、匈牙利算法等离散数学工具玩转于股掌之间，构建出鲁棒感知融合框架的专家，是不是智能驾驶感知系统的定海神针？”
顾南舟不知道自己已经被忽悠瘸了，只是感到自己的心脏在胸腔里剧烈地跳动，血液奔涌向大脑。
他之前对智能驾驶算法的理解还停留在模糊的概念层面，此刻被陈默用离散数学这把锋利的手术刀，精准地解剖开来，露出了内在最坚实的筋骨。
那些他浸淫多年的数学理论，竟然如此直接、如此核心地映射在自动驾驶的每一个关键环节！
他仿佛看到了一条由他熟悉的数学符号铺就的、通往智能驾驶巅峰的清晰路径。
卞金鳞已经完全坐不住了，他猛地一拍大腿，声音带着难以抑制的激动：
“陈总！您真是...神了！太精辟了！
我们感知组那帮小子，天天跟多目标跟
（本章未完，请点击下一页继续阅读）