基于雷达信息的逆境环境下3D多目标跟踪
计算机视觉与模式识别
2026-04-22 v2
摘要
3D多目标跟踪的挑战在于实现在实际应用中的鲁棒性，例如在恶劣环境下以及随距离增加而保持一致性。为此涌现出融合激光雷达、摄像头和雷达的传感器融合方法。然而，现有多模态方法通常将雷达视为网络内部的学习特征。当整体模型在困难环境中性能下降时，雷达所提供的鲁棒优势也随之减弱。本文提出RadarMOT，一种雷达信息驱动的3D多目标跟踪框架，显式地将雷达点云作为额外观测，用于细化状态估计并恢复由检测器在远距离遗漏的目标。基于MAN-TruckScenes数据集的评估表明，RadarMOT在远距离处将Average Multi-Object Tracking Accuracy（AMOTA）提升12.7%，在恶劣天气下提升最高可达10.3%。该代码将在https://github.com/bingxue-xu/radarmot公开。
引用
@article{arxiv.2604.13571,
title = {Radar-Informed 3D Multi-Object Tracking under Adverse Conditions},
author = {Bingxue Xu and Emil Hedemalm and Ajinkya Khoche and Patric Jensfelt},
journal= {arXiv preprint arXiv:2604.13571},
year = {2026}
}
备注
7 pages, 5 figures