针对简单运动模型在复杂驾驶环境多目标跟踪表现不佳的问题,提出了一种基于恒定转弯率和加速度(constant turn rate and acceleration,CTRA)模型的点云多目标跟踪方法。通过采用包含角速度信息的运动模型来描述目标的运动轨迹,可提高在...针对简单运动模型在复杂驾驶环境多目标跟踪表现不佳的问题,提出了一种基于恒定转弯率和加速度(constant turn rate and acceleration,CTRA)模型的点云多目标跟踪方法。通过采用包含角速度信息的运动模型来描述目标的运动轨迹,可提高在目标转弯时的跟踪精度。同时,利用检测算法提供的速度信息,在轨迹更新时对物体速度进行校正,以改善在目标速度突变时的跟踪效果。此外,采用基于置信度的两阶段匹配策略,以降低低置信度检测框对跟踪结果的影响。在nuScenes验证集上对所提出的三维目标检测与跟踪算法进行了性能评估,并通过消融实验验证了算法中各模块的有效性。实验结果表明,基于CTRA模型的点云多目标跟踪算法在跟踪精度上优于基于简单模型的算法,在目标转弯和速度突变场景下的跟踪效果显著提升,且跟踪过程中身份切换次数大幅减少。展开更多
针对复杂动态场景下毫米波雷达点云目标跟踪的数据关联难题,提出一种融合空间位置、动态速度及信噪比(SNR)的自适应关联算法。传统方法存在两大局限:最近邻(NN)算法在低信噪比(SNR<10 d B)和密集目标场景中误匹配率高;联合概率数据关...针对复杂动态场景下毫米波雷达点云目标跟踪的数据关联难题,提出一种融合空间位置、动态速度及信噪比(SNR)的自适应关联算法。传统方法存在两大局限:最近邻(NN)算法在低信噪比(SNR<10 d B)和密集目标场景中误匹配率高;联合概率数据关联(JPDA)算法虽提升精度,但计算复杂度达O(n^(3)),单帧耗时长,难以满足实时性需求。通过建立SNR-门限的负相关模型,动态调整空间与速度关联门限,设计Sigmoid权重分配器实现位置与速度特征的智能平衡。展开更多
文摘针对简单运动模型在复杂驾驶环境多目标跟踪表现不佳的问题,提出了一种基于恒定转弯率和加速度(constant turn rate and acceleration,CTRA)模型的点云多目标跟踪方法。通过采用包含角速度信息的运动模型来描述目标的运动轨迹,可提高在目标转弯时的跟踪精度。同时,利用检测算法提供的速度信息,在轨迹更新时对物体速度进行校正,以改善在目标速度突变时的跟踪效果。此外,采用基于置信度的两阶段匹配策略,以降低低置信度检测框对跟踪结果的影响。在nuScenes验证集上对所提出的三维目标检测与跟踪算法进行了性能评估,并通过消融实验验证了算法中各模块的有效性。实验结果表明,基于CTRA模型的点云多目标跟踪算法在跟踪精度上优于基于简单模型的算法,在目标转弯和速度突变场景下的跟踪效果显著提升,且跟踪过程中身份切换次数大幅减少。
文摘针对复杂动态场景下毫米波雷达点云目标跟踪的数据关联难题,提出一种融合空间位置、动态速度及信噪比(SNR)的自适应关联算法。传统方法存在两大局限:最近邻(NN)算法在低信噪比(SNR<10 d B)和密集目标场景中误匹配率高;联合概率数据关联(JPDA)算法虽提升精度,但计算复杂度达O(n^(3)),单帧耗时长,难以满足实时性需求。通过建立SNR-门限的负相关模型,动态调整空间与速度关联门限,设计Sigmoid权重分配器实现位置与速度特征的智能平衡。
