本文提出了一种多模态传感器模块化框架，用于实现在线多目标追踪，并对该方法进行了实验证明其在真实场景下对自主驾驶领域有重要的应用。

Feb, 2018

本文介绍了一种在线目标跟踪方法，采用卡尔曼滤波器估算对象状态，并测量预测对象状态和当前检测数据之间的马氏距离以进行数据关联，该方法在NuScenes Tracking Challenge中表现优异。

Jan, 2020

本研究提出了一种基于SimTrack的3D多目标跟踪系统，旨在简化手工制作的跟踪范例，通过使用端到端可训练的模型从原始点云中进行联合检测和跟踪，无需启发式匹配步骤，将跟踪对象的关联，新生对象的检测和死亡轨迹的消除集成为一个统一的模型。

Aug, 2021

本文总结了目前三维多目标跟踪方法并提出了 SimpleTrack 算法，指出了现有方法的缺陷并为其提出改进方案；在 Waymo Open Dataset 和 nuScenes 数据集上得到了新的最佳结果。本文还分析了现有数据集对算法真实能力的反映以及剩余失败情况的分布和原因，并提出了未来三维多目标跟踪的研究方向。

Nov, 2021

该篇论文提出了一种通过空间时间信息流模块和transformer结合监督，联合训练3D目标检测和跟踪模型的方法，同时还加入了时间相容性损失，最终在nuScenes数据集上取得了领先成绩。

May, 2022

本研究解决了传统多目标跟踪方法只针对少数预定义对象类型的固有限制，并提出了一种新的任务Open-vocabulary MOT，进一步开发出一种数据效率优异的开放词汇跟踪器OVTrack，通过知识蒸馏和数据幻觉策略有效提升图像分类和关联准确性，最终在大规模的TAO基准测试上取得了最新的最优效果。

Apr, 2023

基于 Transformer 架构构建的学习几何 3D MOT 框架 3DMOTFormer，在进行跟踪检测双向图的基础上，通过边分类进行数据关联，并提出了一种新颖的在线训练策略，通过自回归和递归前向传播以及序列化批量优化来减少训练和推断之间的分布不匹配。

Aug, 2023

3D多目标跟踪是自动驾驶领域中的一个重要问题，本文对该领域的研究现状进行了综述和总结，提出了未来的研究方向，包括问题界定、分类、方法论、挑战、实验指标和数据集等方面的系统讲解和比较，为未来的研究提供了指导。

Sep, 2023

本研究解决了在大规模户外三维环境中应用开放词汇感知的不足，通过将激光雷达获取的三维点云数据与文本信息结合，提出了一种新的框架，能够直接定位并识别自主驾驶中的物体。研究结果显示，该方法显著提升了开放词汇检测任务的稳健性，具有重要的应用潜力和技术推进价值。

Aug, 2024

本研究提出了MCTrack，一种新的3D多目标跟踪方法，解决了现有跟踪模式在不同数据集泛化能力不足的问题。MCTrack提供了统一的解决方案，并统一了各数据集的感知结果格式，帮助多目标跟踪领域的研究者集中在核心算法开发上。此外，我们提出了一套新的评估指标，以评估运动信息输出，这对下游任务至关重要。

Sep, 2024