摘要
在城市街道场景中进行跟踪对于自动驾驶系统（如无人驾驶汽车）至关重要。目前大多数基于视觉的跟踪方法都在图像域内进行跟踪。其他方法，例如基于激光雷达（LIDAR）和雷达的方法，则完全在三维空间中进行跟踪。尽管一些基于视觉的跟踪方法在其流程的部分环节引入了三维信息，而一些基于三维的方法也在其某些组件中利用了图像信息，我们提出在整个方法中联合使用图像空间和世界空间的信息。我们将我们的跟踪管道描述为图像域跟踪的三维扩展。从增强检测结果的三维测量到每个被跟踪对象报告的位置，我们在处理的每一个阶段都使用世界空间中的三维信息。我们通过一种新颖的耦合2D-3D卡尔曼滤波器，并结合一个概念清晰且可扩展的假设与选择框架来实现这一点。我们的方法在官方KITTI基准测试中达到了当前最先进的水平，该基准测试仅在二维图像域内进行评估。进一步的实验表明，启用我们的耦合2D-3D跟踪后，在三维定位精度方面有显著提升。