基于RFS多测量模型滤波器在自动驾驶多目标跟踪中应用.pdfVIP

使用基于随机有限集的多测量模型滤波器（RFS‑）进行自动驾驶车

辆的3D多目标

丹尼尔·莫里斯和海德·拉达

—多目标（MOT）是实现自动驾驶车辆在复杂环

境中安全规划和导航的关键模块。在基于检测的系统中，基于

学习的输入检测中不可避免地存在许多误报和漏检。MOT的挑

战在于将这些检测组合成轨迹，并根据其不确定性、状态和时

间一致性对它们进行过滤，以实现准确和持久的轨迹。在本文

中，我们提出了一种用于自动驾驶应用的基于随机有限集（

RFS）的多测量模型滤波器（RFS‑）。具体而言，我们为

泊松多伯努利混合（PMBM）滤波器提出了多个测量模型，以

支持不同的应用场景。我们的RFS‑滤波器可以自然且优

雅地准确建模这些不确定性。基于学习的检测与我们的

RFS‑结合，通过将检测置信度分数纳入PMBM预

测和更新步骤。我们在Waymo、Argoverse和nuScenes数据

集上的实验结果表明，我们的RFS‑优于最先进的基

于深度学习和传统滤