自动驾驶中的三维多目标跟踪：文献综述

三维多目标跟踪（3D MOT）是自动驾驶中的一个关键领域，近年来学术关注度和商业前景迅速增长。尽管其至关重要，3D MOT 仍面临诸多严峻挑战，包括目标外观的突变、普遍存在的遮挡、小目标的存在、数据稀疏、漏检，以及目标运动轨迹不可预测的起始与终止。已有大量方法试图应对这些问题，但 3D MOT 仍是一个值得深入探索的艰巨问题。本文对该领域的研究现状进行了全面的考察、评估与综合，在关注 3D MOT 最新进展的同时提出了未来研究的可能方向。我们的探讨始于对 3D MOT 及其相关领域关键要素的系统阐述，包括问题界定、分类、方法路径、基本原理与实证研究。随后，我们将这些方法划分为不同类别，并针对每一类在挑战、内在原理、进展、优缺点方面进行细致剖析。此外，我们简要归纳了实验评价指标，并概述了常用数据集，以便通过定量比较实现更直观的评估。最后，我们的讨论以对当前研究态势的总结收束，强调现存挑战并规划 3D MOT 研究的可能方向。我们给出了一幅结构化且清晰的路线图，以指引该领域未来的研究工作。