风抖消除

基于频域相位的图像配准，通过计算两幅图像频域互功率谱的值，可以得到x和y方向偏差值。选定特征明显的区域后再计算速度更快。部分路口场景用图像描述子的话受光线影响较大，频域反而鲁棒性更好。

OpenCV直接有GPU的互功率谱计算API，同时也自己实现了cu文件。调试时候还发现cufft会一直占用一定的堆内存。

小目标增强检测

这个在申专利，不好多说，就是参考推理时的SAHI手段。主要在于如何快速选择这个放大检测的区域。

封装该库时参考了boost.geometry中类似的模板trait特性，当一个函数需要传入目标框，但是调用者处的目标框是自定义类型，而库内又不想包含该自定义类型的头文件时，就可以使用这种手段。通过宏在调用处注册目标类型和访问方法，库内使用模板函数，实现静态多态。

行驶区域生成

由于算法路面分割的结果太烂，只能另想办法生成车道。一开始做了个降级版，没有细分到车道级，根据已有的车辆跟踪框，按行驶方向生成多个区域。先对糟糕的跟踪结果进行筛除，选取车辆目标框底边的点，使用三维DBSCAN进行聚类，即角度、x坐标、y坐标。DBSCAN找了个带KD树加速的库，针对可能的环型场景，还需要修改距离函数支持角度的周期性。最后的效果差强人意，主要限制在于不能无限制地增加聚类点数，没做到持续自迭代优化。

封装时加了线程池，结合future接收区域生成结果。

车辆轨迹生成车道

先基于车辆检测框做核密度估计，生成热力图，这里对高斯核做了一下操作，根据条件进行了能量衰减，相当于筛除了一些误检和过远的框。并且热力图添加衰减系数之后是可以无限叠加的
然后提取热力图中的极大值点，在将热力图二值化并提取骨架。再从极大值点出发，沿骨架路径进行延伸。期间进行了一些跳过空洞、允许扰动、拼接/裁剪/合并路径的点集操作。各路径稳定后还要进行角度判断，删掉可能的变道路径。
为了结合多帧结果，突发奇想对路径点集进行了生命周期管理和跟踪，将每帧得到的路径（其实就是车道中心线）打碎成小段，放到接近的池中，再根据角度等评分项恢复出最合适的路径
最后还要根据车道中心线间的位置，向两侧扩张得到车道区域