目标跟踪参考能力

一、产品概述

目标跟踪参考能力在关联之后，把零散的检测结果连成连续、稳定的航迹。它支持卡尔曼滤波、扩展卡尔曼滤波与深度学习跟踪多种算法，并内置航迹生命周期管理与跨传感器重识别。对下游规划来说，一条不跳 ID、不闪现的航迹，比单次检测框的精度更重要——规划要的是"这个车一直在这里、往哪去"，而不是"这一帧好像有个车"。

跟踪的价值在遮挡与密集场景里最明显。目标被挡一下就丢、恢复就重建成新车，规划就会看到目标反复闪现，体感与安全性都受影响。好的航迹管理靠生命周期与运动学预测把目标"续"住，再靠重识别把恢复后的目标认回来。

二、应用场景

• 城市 NOA 航迹管理：在红绿灯、行人、占道密集出现的路况，靠生命周期与重识别抑制目标跳变，体感更顺滑。
• 商用车盲区行为预测：把毫米波与相机目标对齐成稳定航迹，结合运动学给出转弯与变道时的盲区行为预测。
• 密集目标 ID 保持：匝道合流、路口排队等密集场景，保持每个目标的 ID 连续，避免规划误判。

三、选型建议

运动平滑、模型清晰的场景，扩展卡尔曼滤波足够且算力友好；目标运动复杂、非线性强的场景，引入深度学习跟踪补非线性。航迹生命周期的确认帧与删除帧要按您的场景调——太激进会闪现，太保守会漏跟。位置、速度、航向精度必须附上距离与工况区间，单独写一个数值没有意义。

四、服务流程与配合事项

第一步是目标画像对齐：明确您要跟踪的目标类型、最大并发数、以及典型速度与遮挡情况，据此选算法档与生命周期参数。第二步是基线跑通：在标准目标列表输入上跑通跟踪，输出连续航迹并核对 ID 一致性。第三步是实车调参：用真实遮挡与密集场景调生命周期、重识别阈值，看跳 ID 与漏跟的分布。第四步是回归交付：把跟踪表现纳入场景库，后续模型迭代自动回归，确保不引入新的跳变。

我们会交付一份跟踪质量报告，给出在您工况下的位置、速度、航向精度区间，并说明在遮挡与密集场景下的表现边界。需要提醒的是，跟踪的上限由上游关联与标定决定——关联错、标定歪，跟踪再好也补不回来，因此我们一般建议先把关联与标定基线确认，再做跟踪调优。

五、与功能逻辑的关系

跟踪输出的稳定航迹是功能逻辑做决策的依据。规划要的是"这个车一直在这、往哪去"，而不是单帧检测框。航迹跳 ID 或闪现会直接让 AEB/ACC 误判，因此跟踪的 ID 一致性与生命周期，和功能逻辑的安全表现强相关，两者要联合验收，而不是把责任推给对方。

六、集成中的常见坑

坑一是生命周期参数照搬高速场景到城市，导致密集场景闪现或漏跟；坑二是重识别阈值过松，遮挡恢复时把不同目标认成同一 ID；坑三是只测静态精度不测动态遮挡，真实路口才暴露跳变。跟踪上限由上游关联与标定决定，基准不稳跟踪补不回。

七、性能的可验收区间

跟踪交付要给出位置、速度、航向精度区间，并附上距离与工况。我们还会给出在遮挡与密集场景下的 ID 连续率，因为这是城市体感的关键。把区间与分布写清，您才能在验收时判断稳不稳，而不是只看一个静态精度数字，被单一工况的好看掩盖短板。

八、后续维护的说明

跟踪参数会随车型与场景调整，生命周期、重识别阈值都可能需要再调。我们交付时会说明调参路径与回归方式，确保后续迭代时跟踪表现不回弹。把维护方式讲清，长期合作才省心，不至于每次改动都重新摸索，也能让您的团队快速接手。

九、跟踪验收要与下游对齐

跟踪的验收，不能只看静态精度，而要和下游功能逻辑对齐。规划与控制要的是稳定连续的航迹，所以 ID 连续率、遮挡续接率、生命周期稳定性，比单帧位置精度更该被盯。我们建议在交付时把跟踪与功能逻辑串起来验收，明确在遮挡、密集、远距场景下的 ID 连续表现。此外，跟踪参数（生命周期确认/删除帧、重识别阈值）要固化进配置并纳入回归，避免上线后被随意改动。我们交付时会给出推荐参数区间与回归用例，确保后续模型迭代不破坏跟踪质量。跟踪是感知到决策的桥梁，桥稳了下游才稳，这一环的验收必须和下游一起做，而不是自顾自报个精度。

十、给集成团队的一句提醒

跟踪参数（生命周期确认/删除帧、重识别阈值）要固化进配置并纳入回归，避免上线后被随意改动。跟踪是感知到决策的桥梁，桥稳了下游才稳。验收要和下游功能逻辑一起做，明确遮挡、密集、远距场景下的 ID 连续表现，而不是自顾自报个静态精度。我们交付时会给出推荐参数区间与回归用例，把跟踪的 ID 连续率、遮挡续接率当成核心指标去盯，比单帧位置精度更有意义，也更能反映真实体感。

相关产品

• 目标关联参考引擎 — 跟踪之前的关联闸门
• AEB/ACC/BSD 功能逻辑 — 跟踪输出的下游消费方
• 融合框架核心参考方案 — 统一目标列表的来源