多目標跟蹤 (MOT)

多目標跟蹤（Multi-Object Tracking，MOT） 係自動駕駛感知系統中嘅一項核心技術，佢喺「目標偵測」嘅基礎上再進一步，負責喺連續嘅視頻幀或傳感器掃描中，維持對多個動態物體（例如車輛、行人、自行車）身份嘅持續識別，並重建佢哋嘅運動軌跡。

單個時刻嘅目標偵測只能提供一張「快照」，無法支撐對動態場景嘅理解。多目標跟蹤（MOT）嘅價值體現喺三個層面：

理解動態行為：透過跟蹤物體嘅連續運動，系統可以分析其速度、加速度同朝向變化，從而推斷其駕駛意圖（例如「呢輛車正在準備變道」），為行為預測同決策規劃提供關鍵依據。
維持身份一致性：喺擁擠或遮擋場景中，MOT 演算法確保系統唔會把「車輛 A」同「車輛 B」弄混，呢個對於準確預測未來軌跡至關重要。
為決策同安全兜底：準確嘅跟蹤結果直接支持碰撞風險評估、路徑規劃同避障決策，係保證自動駕駛安全、高效運行嘅關鍵一環。

目前，工業界同學術界最主流嘅 MOT 實現架構係「基於檢測嘅跟蹤（Tracking-by-Detection, TBD）」。呢個流程主要分為三步：

目標偵測：首先由高性能嘅偵測網絡（例如 YOLO 系列、基於激光雷達嘅 3D 偵測器）識別出當前幀中所有感興趣嘅目標同佢哋位置。
數據關聯：呢係跟蹤中最核心嘅步驟。系統需要將當前幀偵測到嘅目標，同上一幀已存在嘅「軌跡」（Tracklet）進行最佳匹配，以確定「邊個係邊個」。呢個需要解決偵測框同預測位置之間嘅匹配問題，常用演算法包括匈牙利演算法或基於卡爾曼濾波器嘅運動預測。
軌跡管理：為每個匹配到嘅軌跡更新其狀態資訊（位置、速度等），為未能匹配嘅偵測創建新軌跡，並刪除長時間未被匹配嘅舊軌跡，以維持系統嘅簡潔同高效。

雖然 TBD 架構成熟，但喺真實複雜嘅駕駛環境中，MOT 仍然面對幾個核心挑戰，呢個亦都係當前技術演進嘅重點方向：

遮擋同目標遺失：當目標被其他車輛、行人或建築物長時間遮擋，或喺傳感器視野邊緣時，偵測器可能會失效，導致跟蹤中斷同身份切換（ID Switch），呢係影響跟蹤精度嘅主要因素之一。為此，先進嘅演算法會融合深度外觀特徵（例如車輛嘅顏色、紋理）同運動特徵（例如速度、加速度），當視覺資訊丟失時，依靠精確嘅運動模型嚟維持跟蹤，並喺目標重現時透過外觀特徵再次搵返其身份。
多傳感器融合：單一傳感器（例如只用攝像頭或只用激光雷達）各有缺點。高魯棒性嘅 MOT 系統普遍融合攝像頭同激光雷達（LiDAR） 嘅數據。攝像頭嘅圖像特徵（顏色、紋理）擅長區分目標，而 LiDAR 可提供穩定、精準嘅三維空間幾何資訊，唔受光照影響。兩者融合可顯著喺遮擋、光照變化等複雜環境下嘅跟蹤穩定性。
精度同實時性嘅平衡：高階嘅 MOT 演算法（例如結合深度學習嘅複雜外觀模型）精度高，但計算量大。呢個就要求演算法設計必須喺跟蹤精度（例如 MOTA, HOTA 指標）同處理速度（FPS）之間取得平衡，以配合車載芯片有限嘅運算能力。