本文提出了一种基于多帧点云输入的 3D 单物体跟踪方法，能够编码目标的时空信息、学习目标的运动信息，且采用稀疏注意力机制进行特征融合，在 uiti 和 NuScenes 数据集上均取得了具有竞争力的结果。

Jun, 2023

提出了一种基于单目视觉的 3D 车辆检测和跟踪的在线框架，并利用 3D 车辆坐标信息和深度匹配对数据进行关联，并设计了一个基于 LSTM 的动作学习模块，以进行更准确的长期运动外推。实验结果表明，该跟踪系统可以提供抗干扰性更强的数据关联和跟踪能力，并且在跟踪 30 米内的行驶车辆方面比基于激光雷达的方法表现更好。

Nov, 2018

本文提出一种新的方法，在视觉目标追踪方面通过 3D 形态和位姿表达，结合可微分渲染技术优化一个新型的损失函数，取得了在三个数据集上追踪刚性物体方面的最新进展。

Apr, 2023

本文提出了一种基于学习的 3D 物体跟踪方法，通过从时间点云数据中学习物体对应关系和运动信息的模式，利用 lidar 数据和运动估计技术进行跟踪，以及采用简单有效的速度平滑模块对物体的运动进行估计，从而在 KITTI 和更大规模的 Nuscenes 数据集上优于现有的 3D 跟踪方法。

Oct, 2020

提出了一种基于密集间接结构运动方法的鲁棒性摄像机姿态估计方法，利用密集对应初始化并优化长程视频对应关系作为密集点轨迹并用于学习运动分割的鲁棒估计；实验表明我们的系统相对于现有最先进方法在 MPI Sintel 数据集上产生了更准确的摄像机轨迹，并在全静态场景上保持合理的摄像机姿态准确度，这也印证了基于光流和点轨迹的密集间接方法的潜力。

Jul, 2022

在自动驾驶等自主系统中，跟踪在城市街道场景中起着核心作用。本文提出了一种基于图像和世界空间信息联合的三维扩展跟踪方法，通过我们的新型耦合 2D-3D Kalman 滤波器和一个干净且可扩展的假设和选择框架，实现了从增强检测到跟踪对象到每个跟踪对象所报告的位置的全过程中使用世界空间 3D 信息。我们的方法在官方的 KITTI 基准测试上与当前最先进的技术相匹配，在启用耦合 2D-3D 跟踪后，在三维定位精度方面显示出显著的改进。

Sep, 2018

本文通过在未标记视频上观看，利用深度卷积神经网络来学习单张图像的三维几何估计，通过将像素水平的三维物体运动加入到学习框架中，提供了整体的三维场景流理解并有助于单张图像的几何估计。

Jun, 2018

该论文研究了基于视觉动态的不变性，通过利用非线性函数与光流之间的关系，提出了一种新的瞬时领域，使得静止环境在连续的相机运动中保持不变，能够在特定的子空间中检测和避开障碍物，并可能检测移动物体。

Nov, 2023

该论文探讨了在 2D 多目标跟踪中的数据关联问题，并借鉴 3D 目标表示来解决这一问题，提出了一种新的基于 Pseudo 3D 标签的 2D MOT 方法 P3DTrack，通过视频数据自学习 3D 目标表示，并在 Waymo 开放数据集上达到了最新的最佳性能。

Jun, 2023

本研究提出 SRT3D，一种基于稀疏区域的方法，利用预先呈现的稀疏视点模型和基于新的牛顿优化方法的后验概率，实现纹理极少物体在场景中的快速而准确的运动跟踪。

Oct, 2021