9月7日，上汽AI LAB視覺團隊自動駕駛檢測跟蹤算法在國際榜單nuScenes上斬獲全球第一，將跟蹤算法關鍵指標AMOTA（Average Multiple Object Tracking Accuracy）在現有最高記錄上提升3個百分點。此前，團隊已憑借純視覺BEV目標檢測算法的全新突破在nuScenes上奪得全球第三的成績，實現感知數據從后融合至前融合模型的跨越式提升，并驗證了優異的算法表現。

?

?

上汽AI LAB檢測跟蹤算法在國際榜單nuScenes上位列全球第一（Camera only without map data or external data）

多目標跟蹤（Multiple Object Tracking）是自動駕駛領域感知技術中的重要一環。首先需要通過傳感器檢測自車周圍目標，并為其賦予唯一ID，在追蹤過程中，算法必須實現運動中目標物ID不能發生跳變，由此得到目標物當前與歷史運動狀態，預估之后的可能位置。目標跟蹤為下游的融合與規劃控制提供了重要的運動狀態數據，自動駕駛過程中的決策，例如避讓、變道，便需要基于以上數據。

算法作為智駕核心所在，技術能力與技術表現成為自動駕駛企業關注的熱點，在nuScenes榜單上，目標檢測（Detection）、目標跟蹤（Tracking）等熱門賽道競爭激烈，不斷發生突破創新。眾多企業與高校學術團隊投入技術研發與提升，其中包括了廣汽集團、DeepMotion、地平線、理想汽車等企業團隊，以及清華大學、華中科技大學等高校。

nuScenes數據集

nuScenes是一個全球公認的用于自動駕駛的權威大規模數據集。數據集由Motional（前身為nuTonomy）團隊開發，在波士頓和新加坡收集了1000個駕駛場景。nuScenes于2019年發布的完整數據集包括大約140萬個相機圖像、39萬個激光雷達掃描、140萬個雷達掃描和4萬個關鍵幀中的140萬個對象邊界框。同時，它是第一個提供來自自動駕駛汽車的整個傳感器套件（6個攝像頭、1個激光雷達、5個雷達、GPS、IMU）的數據的大規模數據集。

上汽AI LAB跟蹤算法DAMEN-T是自主研發的BEV目標檢測方法 DAMEN（Depth-Augmented CaMEra FusioN）的擴展。在BEV空間下，傳統后融合方案存在的問題得到有效解決，覆蓋車身360°視野范圍的6個相機獲取的感知信息由一個模型統一處理，共享同一視野，顯著提升了處理速度與準確性。

團隊在BEV目標檢測的基礎上，增加跟蹤器來完成跟蹤任務，并優化了每個類別的3D IoU和運動模型以獲得更好的關聯。值得一提的是，上汽AI LAB團隊的跟蹤算法DAMEN-T引入了在落地項目中設計的跟蹤器優化技巧，與目標檢測算法相結合，在現有方案中脫穎而出、摘得桂冠。相比于尚處于學術研究階段的方案，DAMEN-T工程化程度更高，已經過實際項目的不斷迭代，可以與落地量產高度適配。

?

在下一個階段，一方面，上汽AI LAB團隊會將現有純視覺方案進一步拓展至多傳感融合，包括Lidar與Radar。另一方面，根據目標檢測及跟蹤得到的目標物準確運動狀態信息，在BEV空間下還可以探索對目標物軌跡的預測，讓自動駕駛車輛更“聰明”。

未來，上汽AI LAB將繼續走在智駕技術自主研發的前沿一線，同時推動Robotaxi的量產應用，落實上汽集團“新四化”戰略，促進共享出行領域的智能化、網聯化發展。