《智能駕駛之激光雷達算法詳解》基于 3D 激光點云的多目標跟蹤

jinchanchanwaji

多目標跟蹤中的檢測后跟蹤（Tracking-by-Detection）方法，其核心在于利用當前幀與先前幀的目標檢測結果進行匹配。該方法架構由數據關聯與濾波器兩大模塊構成。數據關聯模塊負責解決跨時間點的目標匹配難題，而濾波器模塊則專注于目標的運動狀態預估與軌跡更新。在數據關聯方面，業界廣泛采用的方法包括多重假設跟蹤（MHT）、匈牙利算法（Hungarian Algorithm）、聯合概率數據關聯（JPDA）及全局最近鄰（GNN）等。至于濾波器，卡爾曼濾波器與粒子濾波器則是最為常見的選擇。ABJDMOT算法，作為這一領域的創新之作，巧妙地將匈牙利匹配與卡爾曼濾波器結合，以應對3D MOT挑戰，其在性能上的顯著提升贏得了工業界的廣泛青睞。然而，ABJDMOT在4D（即加入時間維度的三維空間）匹配時，僅依賴于目標矩形框的3D重疊度，這在某些情境下可能導致前后幀間無重疊部分的目標被遺漏。為解決此問題，斯坦福大學與豐田技術研究院于2020年推出了PDMOT算法，該算法引入馬氏距離作為匹配依據，結合匈牙利算法，旨在進一步提升算法性能。此外，學者們還不斷探索在匹配過程中融入更多特征信息，如目標的幾何尺寸、朝向、外形等，以增強匹配的準確性。例如，H.Wa等人的研究便是在此方向上的一次有益嘗試。         針對多目標跟蹤（MOT）領域，一些學者聚焦于改進基于軌進片段（tracklet-based）的方法，指出傳統檢測驅動的多目標跟蹤算法過度依賴目標檢測的性能，忽視了目標歷史信息的有效利用。為此，他們探索了利用多幀點云序列或軌進片段，結合深度學習技術來提取目標的獨特特征，旨在實現端到端的多目標跟蹤解決方案。例如，在UCAI會議上，H.Wa等人提出的PC-TCNN算法便是這一思路的杰出代表。該算法創新性地從點云序列中初步生成候選軌進片段，隨后對這些片段進行精細化處理，并通過將精細化的軌進與先前片段相關聯，有效實現了對目標的連續追蹤。相較于基于檢測的3D MOT算法，此類基于軌進片段的方法往往能取得更高的跟蹤精度，但在實時性方面仍有待進一步優化和提升。         在2020年的OS會議上，針對3D多目標跟蹤問題，基于經典的2D圖像目標跟蹤算法SORT，創新性地提出了ABJDMOT算法。該算法聚焦于目標跟蹤的精確性，通過采用向量匹配策略，有效對比當前幀與歷史幀中目標的數據，并借助卡爾曼濾波在多維空間中精準估計目標的運動狀態。ABJDMOT算法展現出卓越的性能，據統計，在多個基準測試中，其平均運行精度高達207 APPS，同時在多目標跟蹤準確度（MOTA）方面亦表現優異。ABJDMOT算法的整體架構其核心流程包括五個關鍵步驟：首先，從目標檢測模塊獲取當前幀（t時刻）目標的位置、大小及特征信息（A）；隨后，利用歷史幀（t-1時刻）中各目標的運動信息，通過卡爾曼濾波預測其在當前幀的潛在狀態（B）；接著，通過數據關聯模型，將當前幀的檢測結果與卡爾曼濾波預測的目標狀態進行匹配（C）；對于成功匹配的目標，采用卡爾曼濾波的更新步驟，以獲取其最新的運動狀態估計（D）。這一過程確保了ABJDMOT算法在復雜場景下的高效與準確。         SimTrack，一種基于tracking-by-detection理念的3D多目標跟蹤算法，當前在工業界占據核心地位。然而，其高度依賴即時的目標檢測結果，且目標跟蹤信息對檢測優化的反饋不足。此外，匹配步驟復雜，需人工定制匹配規則并精細調整閾值與參數。SimTrack的運作流程，其核心在于利用多幀點云作為輸入，通過基于柱狀體素或普通體素的骨架網絡提取特征，生成偽BEVs圖像。隨后，網絡輸出分化為三個關鍵分支：混合時間中心圖分支用于定位目標在多幀點云序列中的首次出現位置，運動估計分支負責估算目標運動偏移，而回歸分支則專注于獲取目標的詳細尺寸與姿態信息。在推理階段，SimTrack憑借先前混合時間中心圖中的位置信息與運動預測，預判當前各目標的可能位置，并與最新混合時間中心圖進行關聯，實現精準的目標跟蹤與檢測。SimTrack通過混合時間中心圖創新性地整合了多幀點云中的目標信息，實現了目標的自動化匹配、消失目標的智能剔除與新生目標的即時檢測，徹底摒棄了傳統跟蹤方法中的復雜啟發式匹配步驟。這一創新不僅簡化了跟蹤流程，更為我們未來的研究與實踐開辟了新的思路與方向。 最近組里有崗位，需要大量招聘汽車設計師，具體要求如下： 內外飾數字模型工程師       1、負責內飾全倉數字模型設計工作 2、對內飾零部件有充分了解、IP、門板、console等零部件 3、負責內飾IP、門板、座椅、console、頂棚、立柱等零部件的設計工作 4、掌握內飾零部件之間的配合關系，并完整表達設計意圖。       要求 1、大專及以上學歷，藝術設計、工業設計相關專業 2、熟練使用ALIAS軟件 3、 測試A級至少5-8年實際CAS、A面設計工作經驗 測試B級至少3-5年CAS、A面設計工作經驗 4、善于團隊合作、有責任心、敢于擔當、工作主動積極 有意者戳汽車造型/產品設計師社會招聘-表單-金數據 (jsj.top)