提出运动动力学卡尔曼滤波器MD-KF

2026年10月16日，arXiv Computer Vision 刊出研究，Mohamed Nagy 等作者提出运动动力学卡尔曼滤波（MD-KF），用于 3D 多目标跟踪的状态估计。该工作针对跟踪精度与计算开销之间的权衡，通过对目标运动做时序建模，自适应缩放运动模型中各运动分量的贡献，以修正运动变化引起的状态预测漂移，同时保留单模型结构以维持计算效率。据该报道，在 KITTI 和 Waymo Open Dataset 上的评估以及实车实验显示，MD-KF 的跟踪性能与多模型卡尔曼滤波相当，平均提速 1.72 倍，并在处理远距离和长时间遮挡目标上表现更优。目前进展停留在论文发布与实验评估阶段，报道未提及后续应用或复现情况。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。