《智能駕駛之激光雷達算法詳解》基于 3D 激光點(diǎn)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(jìn)行匹配。該方法架構由數據關(guān)聯(lián)與濾波器兩大模塊構成。數據關(guān)聯(lián)模塊負責解決跨時(shí)間點(diǎn)的目標匹配難題，而濾波器模塊則專(zhuān)注于目標的運動(dòng)狀態(tài)預估與軌跡更新。在數據關(guān)聯(lián)方面，業(yè)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(lián)合概率數據關(guān)聯(lián)（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(jiàn)的選擇。ABJDMOT算法，作為這一領(lǐng)域的創(chuàng )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(zhù)提升贏(yíng)得了工業(yè)界的廣泛青睞。然而，ABJDMOT在4D（即加入時(shí)間維度的三維空間）匹配時(shí)，僅依賴(lài)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(wú)重疊部分的目標被遺漏。為解決此問(wèn)題，斯坦福大學(xué)與豐田技術(shù)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(jìn)一步提升算法性能。此外，學(xué)者們還不斷探索在匹配過(guò)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(lǐng)域，一些學(xué)者聚焦于改進(jìn)基于軌進(jìn)片段（tracklet-based）的方法，指出傳統檢測驅動(dòng)的多目標跟蹤算法過(guò)度依賴(lài)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(diǎn)云序列或軌進(jìn)片段，結合深度學(xué)習技術(shù)來(lái)提取目標的獨特特征，旨在實(shí)現端到端的多目標跟蹤解決方案。例如，在UCAI會(huì )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(chuàng )新性地從點(diǎn)云序列中初步生成候選軌進(jìn)片段，隨后對這些片段進(jìn)行精細化處理，并通過(guò)將精細化的軌進(jìn)與先前片段相關(guān)聯(lián)，有效實(shí)現了對目標的連續追蹤。相較于基于檢測的3D MOT算法，此類(lèi)基于軌進(jìn)片段的方法往往能取得更高的跟蹤精度，但在實(shí)時(shí)性方面仍有待進(jìn)一步優(yōu)化和提升。         在2020年的OS會(huì )議上，針對3D多目標跟蹤問(wèn)題，基于經(jīng)典的2D圖像目標跟蹤算法SORT，創(chuàng )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(guò)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(dòng)狀態(tài)。ABJDMOT算法展現出卓越的性能，據統計，在多個(gè)基準測試中，其平均運行精度高達207 APPS，同時(shí)在多目標跟蹤準確度（MOTA）方面亦表現優(yōu)異。ABJDMOT算法的整體架構其核心流程包括五個(gè)關(guān)鍵步驟：首先，從目標檢測模塊獲取當前幀（t時(shí)刻）目標的位置、大小及特征信息（A）；隨后，利用歷史幀（t-1時(shí)刻）中各目標的運動(dòng)信息，通過(guò)卡爾曼濾波預測其在當前幀的潛在狀態(tài)（B）；接著(zhù)，通過(guò)數據關(guān)聯(lián)模型，將當前幀的檢測結果與卡爾曼濾波預測的目標狀態(tài)進(jìn)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(dòng)狀態(tài)估計（D）。這一過(guò)程確保了ABJDMOT算法在復雜場(chǎng)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(yè)界占據核心地位。然而，其高度依賴(lài)即時(shí)的目標檢測結果，且目標跟蹤信息對檢測優(yōu)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(diǎn)云作為輸入，通過(guò)基于柱狀體素或普通體素的骨架網(wǎng)絡(luò )提取特征，生成偽BEVs圖像。隨后，網(wǎng)絡(luò )輸出分化為三個(gè)關(guān)鍵分支：混合時(shí)間中心圖分支用于定位目標在多幀點(diǎn)云序列中的首次出現位置，運動(dòng)估計分支負責估算目標運動(dòng)偏移，而回歸分支則專(zhuān)注于獲取目標的詳細尺寸與姿態(tài)信息。在推理階段，SimTrack憑借先前混合時(shí)間中心圖中的位置信息與運動(dòng)預測，預判當前各目標的可能位置，并與最新混合時(shí)間中心圖進(jìn)行關(guān)聯(lián)，實(shí)現精準的目標跟蹤與檢測。SimTrack通過(guò)混合時(shí)間中心圖創(chuàng )新性地整合了多幀點(diǎn)云中的目標信息，實(shí)現了目標的自動(dòng)化匹配、消失目標的智能剔除與新生目標的即時(shí)檢測，徹底摒棄了傳統跟蹤方法中的復雜啟發(fā)式匹配步驟。這一創(chuàng )新不僅簡(jiǎn)化了跟蹤流程，更為我們未來(lái)的研究與實(shí)踐開(kāi)辟了新的思路與方向。 最近組里有崗位，需要大量招聘汽車(chē)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(mén)板、console等零部件 3、負責內飾IP、門(mén)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(guān)系，并完整表達設計意圖。       要求 1、大專(zhuān)及以上學(xué)歷，藝術(shù)設計、工業(yè)設計相關(guān)專(zhuān)業(yè) 2、熟練使用ALIAS軟件 3、 測試A級至少5-8年實(shí)際CAS、A面設計工作經(jīng)驗 測試B級至少3-5年CAS、A面設計工作經(jīng)驗 4、善于團隊合作、有責任心、敢于擔當、工作主動(dòng)積極 有意者戳汽車(chē)造型/產(chǎn)品設計師社會(huì )招聘-表單-金數據 (jsj.top)