基于dag的道路稳健估计框架
dagmar的Python项目详细描述
dagmar：基于dag的场景挖掘鲁棒道路估计框架
该项目为丰富研究项目FASva内收集的真实世界试驾数据提供算法和概念软件，道路基础设施信息作为上下文感知场景挖掘的基础
为此，本文提出了一种改进的基于粒子滤波的地图匹配算法，该算法利用有向无环映射道路图（dagmar）对最可能的车辆姿态轨迹进行稳健估计。
内容
dagmar包包含以下模块
core：核心功能包括更新粒子过滤器或实现DAGMaR。io：所有与文件或日志相关的内容，例如使用tqdm的进度条、保存粒子过滤器的状态或DAGMaR等。location：该模块包含用于处理gps和utm位置的函数和类，以及OSM作为通过天桥查询openstreetmap的overpy接口。move：处理周期的第一步：移动粒子场weight：处理周期的第二步：加权粒子场resample：处理周期的最后一步：对粒子场重新采样visualization：用于显示粒子场状态的函数和类
安装
使用
git clone https://github.com/larsklitzke/dagmar
要扩展项目的功能，或者由于项目托管在pypi上，请使用
pip install dagmar
工具
安装程序包后，以下程序可用于处理和评估传导驱动器。
dagmar：处理和评估驱动器dagmar-analyse：分析Particle cluster和DAGMaR的结果
dagmar-process-pf：根据先前由Particle cluster估计的映射车辆姿势重构DAGMaR。
依赖关系
此项目使用各种库，其中一些库在下面列出
- Numba是基于NumPy的，用于实现高性能计算的粒子过滤器。
- seaborn和matplotlib用于可视化
- NetworkX用于实现
DAGMaR - Pandas用于数据管理和分析
- tqdm通过进度条显示所提供工具的进度。
许可证
版权所有（c）2019 lars klitzke，Lars.Klitzke@gmail.com
此程序是免费软件：您可以重新分发和/或修改 根据由 自由软件基金会，或者许可证的第3版，或者 （由您选择）任何更高版本。
这个程序的发布是希望它能有用， 但没有任何保证；甚至没有 适销性或适合某一特定目的的适销性。见 GNU通用公共许可证了解更多详细信息。
你应该收到GNU通用公共许可证的副本 还有这个节目。如果没有，请参阅http://www.gnu.org/licenses/。
欢迎加入QQ群-->： 979659372
