利用 Kalman Filter 与 YOLOv8s 实现目标稳健实时检测与状态估计
本项目基于 Unreal Engine 4.27 的 AirSim 插件，并调用 AirSim 的 Python API 实现
实际问题：目标实时检测与状态估计过程中，较大的目标检测模型难以做到每一帧都及时检测，过小的目标检测模型又无法实现较高的精度，于是尝试采用 Kalman Filter 来增强 YOLOv8s 的目标检测与状态估计的实时性
（目前仅做了汽车的目标检测）
- 参考论文：https://arxiv.org/html/2410.10409v1#abstract
- Kalman Filter 的实现部分参考了项目：https://github.com/liuchangji/kalman-filter-in-single-object-tracking
- 仿真效果视频已上传至 BiliBili：https://www.bilibili.com/video/BV1f7smzkEti/
本仓库为 private 仓库，仅供内部成员更新项目源码与文件
可以先直接按照 requirements.txt 文件一键安装所有需要用到的 Python 包：
pip install -r requirements.txt如果你在项目中使用了新的包且需要上传到本仓库时，记得更新
requirements.txt文件并上传到本仓库Tips: 这里推荐使用
pipreqs包自动生成requirements.txt文件pip install pipreqs
当然，如果你担心 requirements.txt 并没有更新到最新版本的话，也可以根据项目依赖手动安装依赖包。
由于地图文件过大，这里就不上传了，可以自行配置地图文件。
即本仓库中的 settings.json 文件