1 系统状态模型
1.1 状态变量的定义
bbox：目标框位置；
（在GoK的世界里，物体在没有外力的情况下速度为0）
（class：检测模块会输出目标的类别）
备注：
（loc_txt：如果信息量不够，还可以使用txt位置进行辅助融合定位）
（key：这个建模方式暂时不用，感觉粒度较细，对模型的要求会很高）
1.2 状态转移方程
A：状态转移矩阵，
A=E;
对于其它物体，需要用外力因素进行建模，需要加上目标的相对位移；
2 备注
2.1 时序信息融合的根本解决方案我觉得还是LSTM
在我看来，卡尔曼滤波还是一种基于先验信息的建模方法，如果要实现完全的端到端模型，还是需要使用LSTM这种“学习型”的算法对时序信息进行融合；
2.1 Autoware的跟踪模块的预测是用什么算法实现的？
石方是这样说的：
2.2 也可以使用CNN+LSTM实现跟踪的功能
可以看看这篇文章《Zero to Hero: A Quick Guide to Object Tracking: MDNET, GOTURN, ROLO》，
它里面是这样说的：
