近日，廣汽研究院X lab團隊在國際權威的nuScenes自動駕駛測試競賽中，依靠自主研發(fā)的XTracker方法在動態(tài)多目標跟蹤MOT(Multi-Object Tracking)領域獲得純視覺榜單全球第一名，并將關鍵指標AMOTA(多目標跟蹤平均準確度)從此前39.8%大幅提升到43.0%。技術的突破不僅為廣汽自動駕駛提供強有力的支撐，也進一步推動自動駕駛行業(yè)的場景落地發(fā)展。

nuScenes自動駕駛測試競賽排行榜，廣汽XTracker名列純視覺榜單全球第一

nuScenes數(shù)據(jù)集是國際公認的權威自動駕駛公開數(shù)據(jù)集之一，數(shù)據(jù)采集自美國波士頓和新加坡的實際自動駕駛場景，是第一個提供360度的全傳感器覆蓋，同時包括攝像頭、激光雷達和毫米波雷達數(shù)據(jù)的數(shù)據(jù)集，是唯一提供雷達數(shù)據(jù)標注的數(shù)據(jù)集，覆蓋多種氣候條件及多種道路場景，數(shù)據(jù)集總共包含了1000個場景、140萬幀圖像、39萬幀激光雷達點云、23個物體類別、140萬個三維標注框。

動態(tài)多目標跟蹤MOT是對感知數(shù)據(jù)中檢測出的多個動態(tài)目標重建運動軌跡，以確保隨著時間推移動態(tài)目標軌跡ID不變，是自動駕駛中目標意圖與軌跡預測、決策規(guī)劃等下游任務的重要依賴項，在自動駕駛行車中跟車、變道等場景中起到關鍵作用。

近年來，隨著自動駕駛的火熱，數(shù)據(jù)、算法、算力成為企業(yè)之間的競爭要塞，一方面參與純視覺3D目標跟蹤的團隊技術實力均處于世界先進水平，競爭十分激烈，不僅涵蓋了理想汽車、地平線、DeepMotion、Aurora等業(yè)界知名企業(yè)，還吸引了麻省理工學院、卡內(nèi)基·梅隆大學、清華大學、復旦大學、華中科技大學等國內(nèi)外重點高校；另一方面，純視覺多目標跟蹤需要處理不同光線、視線遮擋、圖像模糊等關鍵問題。目前業(yè)內(nèi)尚未有成熟的技術可參照，識別跟蹤速度慢、目標運動模糊、準確率低等問題成為行業(yè)共同難點。

廣汽自主研發(fā)的XTracker方法效果圖

廣汽研究院X lab團隊提出了XTracker方法，整體上有三大技術突破：

一是在自動駕駛行業(yè)內(nèi)首次將跟蹤的多視角數(shù)據(jù)，通過Transformer統(tǒng)一轉(zhuǎn)換到BEV(Bird's Eye View, 鳥瞰圖)特征空間下，從Decoder輸出聚合后的BEV表征。

二是首個在BEV空間下的端到端跟蹤方法——XTracker，解決了傳統(tǒng)的跟蹤方案主要采用運動建模或相似性建模，導致檢測和跟蹤之間存在信息流斷點，XTracker采用端到端的統(tǒng)一建模方式，使檢測和跟蹤能夠一起訓練，結構簡單、高效。

三是結合自車運動和多幀連續(xù)變化的方法，更好地完成時序特征的對齊，提高BEV表征空間下運動預測的魯棒性*。

目前自動駕駛主要分為兩條探索路徑，一條是以攝像頭為主的視覺感知路線，另一條是以激光雷達為主的多傳感器融合路線。在自動駕駛視覺感知技術大規(guī)模應用過程中，尤其是在汽車對周圍運動物體的感知跟蹤領域，動態(tài)多目標跟蹤MOT是技術要求極高的基礎性感知技術任務，該技術作為自動駕駛感知部分的必備環(huán)節(jié)，將直接影響到自動駕駛系統(tǒng)魯棒性和用戶體驗感。未來，廣汽研究院X lab團隊將深耕自動駕駛視覺領域，推進多目標跟蹤技術在自動駕駛落地場景中的應用，助力廣汽智能化升級。

*注釋：魯棒性（英語：Robustness）是指一個計算機系統(tǒng)在執(zhí)行過程中處理錯誤，以及算法在遭遇輸入、運算等異常時繼續(xù)正常運行的能力。