ERM-Track：一种具备干扰感知功能且以可靠性为导向的多目标跟踪系统，适用于在动态视角下运行的无人地面车辆（UGVs）

《Drones》：ERM-Track: Disturbance-Aware and Reliability-Guided Multi-Object Tracking for Unmanned Ground Vehicles (UGVs) Under Dynamic Viewpoints

　　

摘要

由于平台自身的运动导致的图像扰动与无人地面车辆（UGVs）的动态视角下的真实目标运动相结合，从而引起了轨迹预测的偏差、关联不匹配以及身份信息被不可靠观测结果持续污染的问题。本文提出了一种名为ERM-Track的在线多目标跟踪框架，该框架能够感知扰动并基于可靠性进行跟踪。 super 2' data-semantic-attached="true" data-semantic-braille="??" data-braille-attached="true" has-speech="true"> super 2' data-semantic-summary=" power' data-semantic-braille="??"> 2' data-semantic-prefix=" Exponent' data-semantic-summary=" number' data-semantic-braille="?">2DF-Mamba使用一种因果双流Mamba编码器来整合惯性测量单元（IMU）、联合状态和轨迹历史数据，并预测特定轨迹的图像扰动分布。预测的扰动均值和不确定性通过归一化/对数刻度的扰动坐标明确映射到检测-观测空间中。CF-TUR通过可靠-污染后的后验融合和因果证据积累来估计观测数据的可靠性，并为运动状态和身份记忆生成独立的有界写入增益。在额外注释的CEAR数据中，包含6488帧的封闭保留集上，ERM-Track获得了64.34%的HOTA（航向跟踪准确率）、66.28%的AssA（关联准确率）和73.42%的IDF1（身份识别准确率），同时有28次身份交换。三种子主干替换实验表明，在评估的因果编码器中，Mamba提供了最高的平均HOTA。事后等渗校准将ECE（错误成本）从0.4752降低到0.0478，而跟踪指标仅有轻微变化。整个流程在RTX 4080工作站上能达到69.50 FPS的帧率，在Jetson Orin NX上搭载时的平均延迟约为29毫秒，相当于大约34.5 FPS的处理速率。