改进关联策略的三维多目标跟踪算法

作     者：易可夫 文昭程 胡荣东 YI Kefu;WEN Zhaocheng;HU Rongdong

作者机构：长沙理工大学交通运输工程学院湖南长沙410000 长沙理工大学汽车与机械工程学院湖南长沙410000 长沙智能驾驶研究院有限公司湖南长沙410208 

出 版 物：《现代电子技术》 (Modern Electronics Technique)

年 卷 期：2024年第47卷第16期

页      面：85-89页

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081203[工学-计算机应用技术] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 0835[工学-软件工程] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：湖南省自然科学基金资助项目(2022JJ30611) 国家自然科学基金项目(52002036) 长沙市科技计划项目(kh2202002) 湖南省教育厅资助科研项目(21B0342) 

主　　题：三维多目标跟踪 关联策略 激光雷达点云 不确定度评估 卡尔曼滤波器 协方差矩阵 马氏距离 匈牙利算法 

摘      要：为提高基于激光雷达的三维多目标跟踪准确度,提出一种基于检测的3D多目标跟踪算法。使用深度神经网络从激光点云中获取目标的位置信息后,对目标跟踪算法中的关联策略进行了优化。首先,估计出目标的速度信息,与位置信息一同纳入观测值,在BEV视角下使用卡尔曼滤波器对目标的状态进行预测与更新;然后,基于目标与激光雷达的距离来评估目标位置的不确定度,用于修正观测模型中的协方差矩阵;最后,在马氏距离中添加对目标测量的不确定性加权项,使用匈牙利算法进行数据关联。在大规模自动驾驶数据集Nuscenes上对所提算法进行了测试,得出其跟踪精度超过了现有的基线方法。消融实验结果表明,所提出的改进措施能有效提高三维多目标跟踪的性能。