无人驾驶汽车行驶是连续时空的三维运动,汽车周围的目标不可能突然消失或者出现,因此,对于感知层而言,稳定可靠的多目标跟踪(Multi-object tracking,MOT)意义重大.针对传统的目标关联和固定生存周期(Birth and death memory,BDM)管理的...无人驾驶汽车行驶是连续时空的三维运动,汽车周围的目标不可能突然消失或者出现,因此,对于感知层而言,稳定可靠的多目标跟踪(Multi-object tracking,MOT)意义重大.针对传统的目标关联和固定生存周期(Birth and death memory,BDM)管理的不足,提出基于边界交并比(Border intersection over union,BIoU)度量的目标关联和自适应生存周期管理策略.BIoU综合了欧氏距离和交并比(Intersection over union,IoU)的优点,提高了目标关联的精度.自适应生存周期管理将目标轨迹置信度与生存周期相联系,显著减少了目标丢失和误检.在KITTI多目标跟踪数据集上的实验验证了该方法的有效性.展开更多
文摘无人驾驶汽车行驶是连续时空的三维运动,汽车周围的目标不可能突然消失或者出现,因此,对于感知层而言,稳定可靠的多目标跟踪(Multi-object tracking,MOT)意义重大.针对传统的目标关联和固定生存周期(Birth and death memory,BDM)管理的不足,提出基于边界交并比(Border intersection over union,BIoU)度量的目标关联和自适应生存周期管理策略.BIoU综合了欧氏距离和交并比(Intersection over union,IoU)的优点,提高了目标关联的精度.自适应生存周期管理将目标轨迹置信度与生存周期相联系,显著减少了目标丢失和误检.在KITTI多目标跟踪数据集上的实验验证了该方法的有效性.