基于特征融合和相似度估计网络的三维多目标跟踪

针对现有自动驾驶多目标跟踪算法融合多传感信息的方式不能充分发挥协同作用的问题,提出了一种基于多模态特征融合与可学习式目标相似度估计的三维多目标跟踪算法。多模态特征融合模块对图像和点云特征进行基于通道注意力机制的特征融合,进一步提升了多模态特征的表达能力。目标相似度估计模块通过网络直接生成相似度矩阵,以可学习方式实现多目标之间的跨模态联合推理,避免了大量的人工参数设定。将所提算法在KITTI数据集上进行了验证与测试,其高阶跟踪精度(HOTA)在测试集中达到了69.24%,表明所提算法在精度上优于其他算法,具有较好的鲁棒性。