无人驾驶激光雷达感知系统，包含去地面，聚类，minbox,跟踪与状态估计

代码已经上传至github:lidar_perception
https://github.com/hehern/lidar_perception
如果对你有帮助，请在github上帮忙点个star，谢谢！

代码包含：
１．点云坐标转换: 可以使用urdf实时tf发布，或者使用静态tf变换，实现雷达坐标系到车辆坐标系的坐标转换，车辆坐标系为前左天坐标系；

２．点云裁剪: 使用矩形框对点云进行裁剪，参数在param文件中；

３．滤地面: 使用K半径内点z坐标方差进行非地面点估计，建立kdtree查找k近邻时加速，可同时实现孤立点滤除；

４．聚类: 代码中包含三种聚类方式，区域增长聚类 欧几里得聚类　以及投影成俯视二值图的dbscan聚类；

５．minbox:　带有方向的boundingbox，　方法及代码是从apollo3.0中单独抠出来使用的；

６．hm-tracker:　匈牙利匹配跟踪．这段代码也是从apollo3.0中抠出来的；

７．状态估计： ＥＫＦ，这块也是从apollo3.0中抠出来的，去掉了车道线方向的预判信息，但是这个模型更适合车辆，不是很适合行人，所以图中行人的轨迹不是很顺滑，还需要进一步修改．

结果展示：

不足之处：
１．没有动态障碍物和静态障碍物区分模块，原本我使用的时候是在固定路线上使用的，采用了路点路线对点云进行了二次滤波，也就是在我行驶路线上的点才进入聚类子程序( 这段代码删除了，不在上传的分支中)，　但该方式依赖于定位结果，最好还是再加上动静态区分模块；
２．跟踪模块用的匈牙利匹配，但这种方法依赖于检测结果，后续我会再上传一个在点云上采用kcf跟踪的方法；
３．状态估计部分需要对模型进行优化．