无盲区：基于相机与激光雷达的自动驾驶车辆全环绕多目标跟踪

在线多目标跟踪 (MOT) 对于自动驾驶和高度自动化车辆的高层空间推理与路径规划极为重要。本文中，我们提出了一个用于跟踪多个物体（车辆）的模块化框架，能够接受来自不同传感器模态（视觉与测距）和可变数量传感器的物体提议，以产生连续的物体轨迹。本工作是 MOT 的 MDP 框架的推广，带有一些关键扩展——首先，我们跨多个相机和不同传感器模态跟踪物体。这是通过准确且高效地融合跨传感器的物体提议来实现的。其次，感兴趣物体（目标）直接在真实世界中跟踪。这偏离了传统技术在图像平面中简单跟踪物体的做法。这样做使得轨迹能够被自动驾驶智能体直接用于导航及相关任务。为验证我们方法的有效性，我们在由高度传感器化的、能够捕获全环绕信息的测试平台收集的真实世界高速公路数据上进行了测试。我们证明我们的框架非常适合于在自车周围整个机动过程中跟踪物体，其中某些机动需要几分钟以上才能完成。我们还利用我们方法的模块化，比较了包含/排除不同传感器、改变传感器总数以及物体提议质量对最终跟踪结果的影响。