“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。