PhysTrack：基于物理原理的多自主水下航行器（AUV）跟踪技术，通过无人机图像进行姿态估计和动态状态推断来实现

《Ocean Engineering》：PhysTrack: Physics-driven multi-AUV tracking from UAV imagery via pose estimation and dynamic state inference

多自主水下无人机协同系统中，提出基于物理定律的PhysTrack多目标跟踪框架，通过角动量守恒和角度不变性解决外观退化、非线性运动及平台抖动导致的跟踪失效问题。

　　

Jifeng Zhu|Wenyu Cai|Meiyan Zhang|Wen Wu|Yan Ma|Yuchang Mo

浙江水利水电大学计算机科学与技术学院，中国杭州

摘要

在跨域空海协作系统中，作为中央感知节点的空中平台通过视觉跟踪方法监控多自主水下航行器（AUV）编队。然而，由于外观退化、非线性运动和平台引起的抖动等挑战，这项任务的性能会下降。为此，我们提出了PhysTrack，这是一个由物理定律驱动的多目标跟踪框架。与依赖位置、运动和外观信息进行身份关联的方法不同，PhysTrack利用平移不变的角度作为线索，通过物理驱动的过程推断姿态，并将其与感知到的对象状态相关联。具体来说，该方法首先通过显著性检测获取对象轮廓，并构建与物理动力学一致的对象表示。然后，基于力分析预测下一时刻的对象姿态，并使用绝对角度进行身份匹配，从而将核心任务定义为物理约束的推理问题。为了验证其有效性，我们使用无人机在开阔水域收集多AUV编队的视频数据。实验表明，PhysTrack在具有挑战性的场景中实现了更好的跟踪稳定性和更可靠的身份保持能力，尤其是在对象外观高度相似且伴随非线性运动的情况下。

引言

随着海洋安全保障、深海科学探索和智能海洋作业等任务的快速发展，自主水下航行器（AUV）正逐渐成为执行海洋探索和作业任务的关键平台。因此，如何构建和优化多AUV协作操作系统并释放其集体效率已成为海洋工程中的一个重要研究方向（Zhang等人，2023年）。在这一背景下，水下物联网络（IoUT）作为一个关键框架出现，实现了异构平台之间的高效数据收集和协调作业。例如，Yang等人（2025年）提出了一种伪轨迹同伦方法，用于协调无人海洋航行器（UMV）系统，在水下通信约束下提高信息收集效率。此外，Fu等人（2026年）研究了异构UAV在协作数据收集中的Dubins路径规划，在转弯半径、通信和障碍物约束下提高了任务效率。这些研究表明，在IoUT支持的多平台系统中，可靠的感知和协调调度变得越来越重要。多AUV协作作业常用于大规模海洋测绘（Zhang等人，2024年）、水下协作搜索（Fei等人，2022年）、生态环境监测（Chun等人，2024年）和水下设施检查（Ioannou等人，2024年）。其作业效率、安全性和协作能力高度依赖于统一的调度系统。在该系统中，基于空气的监控和指挥平台承担了整体感知和决策的核心功能。通过持续跟踪多个移动对象的空间位置、运动轨迹及其相互关系，它为编队重建、协作状态评估、碰撞风险预警和动态任务规划提供决策支持（Wang等人，2023年）。因此，鲁棒、实时和连续的多目标跟踪（MOT）方法对于支持多AUV作业系统的智能调度和协作决策至关重要。图1展示了此类系统中UAV和AUV之间的跨域协作。UAV作为中央通信和控制节点，而AUV执行数据收集和对象检测等任务。UAV、地面站和控制中心之间的通信链接确保了实时数据交换和命令执行。

近年来，MOT在行人跟踪（Guo等人，2025年）、近岸监视（Ding等人，2024年）、体育视频分析（Cui等人，2023年）、车辆监控（Jiménez-Bravo等人，2022年）和无人驾驶飞行器群体（Wu等人，2024年）等领域取得了广泛进展，这主要归功于基于检测的跟踪范式的持续演变。这种方法将多目标跟踪任务分解为两个核心阶段：对象检测和数据关联。前者使用检测模型获取位置，后者结合运动信息和外观特征进行跨帧匹配，从而形成连续稳定的对象轨迹。对于这一范式，研究主要集中在改进关联策略上，并推动了一系列代表性方法：DeepSORT通过引入外观嵌入特征有效缓解了长期遮挡下的身份保持问题（Wojke等人，2017年）；ByteTrack通过挖掘低置信度检测来保持跟踪轨迹的时间连续性，显著降低了遮挡下的丢失率（Zhang等人，2022年）；OC-SORT通过以观察为中心的轨迹管理策略增强了相机抖动和非线性运动场景下的跟踪鲁棒性（Cao等人，2023年）。BoostTrack通过增强检测-子轨迹的置信度、引入Mahalanobis距离和形状相似性，提高了多目标跟踪的相似性测量，有效减少了身份切换（Stanojevic和Todorovic，2024年）。

尽管MOT方法在一般场景中取得了显著进展，但在海洋环境中的应用仍面临一系列挑战。图2(a)展示了在拥挤场景中检测器性能的下降：由于AUV外观的低对比度和弱纹理特征，当多个AUV在空间上彼此接近或局部被遮挡时，检测器容易发生边界框漂移和漏检，导致关联阶段身份关联失败。图2(b)显示了碰撞期间线性预测模型的失败。多目标跟踪方法通常假设对象满足近似线性运动，并使用卡尔曼滤波进行状态预测。然而，在多AUV的协作作业中，经常会发生包括碰撞在内的交互行为。它们的运动轨迹将表现出非线性扰动，导致预测位置与实际位置之间的偏差，从而导致对象之间的错误关联。图2(c)显示了基于位置和外观的不稳定性。对于位置线索，由于无人驾驶飞行器（UAV）平台容易受到干扰，图像会出现全局抖动，导致图像中对象的位置发生偏移，使得基于位置的重叠逻辑变得脆弱。对于外观线索，编队中AUV的外观相似，缺乏视觉区分度，使得重新识别方法难以提取区分性特征，导致外观匹配机制无效。

为了解决上述问题，我们提出了PhysTrack，这是一个由物理定律驱动的多目标跟踪范式。如图3所示，它基于以下两个关键见解构建。首先，如图3(a)所示，与位置线索相比，角度线索具有平移不变性，在动态交互过程中可以提供更稳定的身份保持信息。其次，如图3(b)所示，在角动量守恒的物理约束下，可以准确推断角度的变化，其中$L^{?}$和$L^{+}$分别表示交互前后的系统角动量。

基于这些见解，PhysTrack直接推断物体在物理状态空间中的演化动态。具体来说，这一范式引入了基于显著性的对象感知机制来替代检测器，利用物理动力学替代线性预测模型，并采用角度一致性替代基于外观或位置的关联策略，从而将身份保持过程形式化为物理约束下的推理问题。实验表明，即使在外观退化、非线性交互和平台干扰共存的复杂水面环境中，这一范式仍能保持对象身份的一致性。

本文的贡献可以总结如下：

• 1.
  我们提出了PhysTrack，一种将物理约束集成到多目标跟踪中的方法。与依赖位置、运动和外观特征的传统跟踪方法不同，PhysTrack在物理状态空间中进行推理，并通过角度建立关联，使跟踪器能够在复杂环境中实现稳健的身份保持。
• 2.
  我们引入了一种基于显著性的对象姿态估计方法，通过直接从像素级显著性线索估计对象姿态来解决检测器性能下降的问题。
• 3.
  我们开发了一种身份保持机制。它利用平移不变的角度线索进行姿态推断，从而在非线性条件下实现稳定的性能。
• 4.
  在开阔水域环境中对真实世界UAV捕获的视频进行的实验验证了所提出的跟踪方法的有效性，显示出减少的身份切换和改善的跟踪稳定性，适用于表面机动对象。

本文的其余部分安排如下：第2节提供了相关工作的回顾。第3节介绍了该方法的整体工作流程及其关键创新。第4节展示了实验、结果和讨论，第5节总结了本文。

相关工作

多目标跟踪是计算机视觉领域的核心课题。其中，基于检测的跟踪范式由于其模块化设计的灵活性和高性能检测器的快速发展，已成为当前的研究焦点（Ciaparrone等人，2020年）。这一范式将跟踪任务分解为两个核心阶段：首先，使用对象检测模型定位图像中的所有对象，然后将这些离散的检测框连接起来

整体框架

所提出的PhysTrack如图4所示，由两个协作模块组成：一个由显著性检测驱动的感知层和一个由物理动力学驱动的关联层。在感知阶段，PhysTrack摆脱了对通用外观检测器的依赖，利用局部显著性和姿态估计获取对象掩膜，并推断出一组具有明确物理意义的状态量，包括质心位置、方向角、形状等

测试数据集描述

为了评估PhysTrack的有效性，我们在浙江省千岛湖的开阔水域进行了实验。实验涉及三艘AUV和一艘配备DJI无人机的观测船。无人机从俯视角度持续捕捉AUV之间的交互过程。图10显示了实验地点和本研究中使用的AUV。需要注意的是，如图10(d)所示，AUV的前端配备了高价值设备，包括

结论

本文提出了PhysTrack，这是一个用于复杂交互场景的物理驱动多目标跟踪框架，能够有效处理包括接近、碰撞和对象分离在内的非线性动态过程。与主要依赖外观特征或线性运动模型的MOT方法不同，PhysTrack提出了一种基于物理约束的身份推理机制，使跟踪器即使在

CRediT作者贡献声明

Jifeng Zhu：撰写——原始草案、软件、方法论、概念化。Wenyu Cai：撰写——审阅与编辑、监督、资源获取。Meiyan Zhang：撰写——审阅与编辑、验证、监督。Wen Wu：撰写——审阅与编辑、验证。Yan Ma：撰写——审阅与编辑、资源。Yuchang Mo：撰写——审阅与编辑、监督、资源。

利益冲突声明

作者声明他们没有已知的竞争财务利益或个人关系可能影响本文报告的工作。

致谢

本研究部分得到了国家自然科学基金（编号：62271179）的支持。作者感谢这些匿名审稿人的建设性评论和宝贵建议，这些评论和建议极大地帮助我们提高了论文的质量和呈现。

Jifeng Zhu出生于中国绍兴。他获得了华中科技大学物理学院的学士学位，中国吉利大学信息工程学院的硕士学位，以及杭州电子信息学院的博士学位。2024年，他作为访问博士生在爱尔兰都柏林城市大学进行了研究。他目前是计算机科学学院的讲师