基于半监督GRU-卡尔曼滤波器的3D多目标跟踪
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了传统追踪方法在复杂环境中物体运动的非线性以及噪声建模不足的问题。文章提出了一种基于GRU的多目标跟踪方法，通过引入可学习的卡尔曼滤波器实现数据驱动的运动特征学习，并采用半监督学习策略提高模型的收敛速度和鲁棒性。实验结果表明，该方法在nuScenes和Argoverse2数据集上超越了传统方法，展示了显著的性能提升和应用潜力。
本研究提出了一种基于GRU的多目标跟踪方法，解决了传统方法在复杂环境中的非线性和噪声建模不足问题。通过可学习的卡尔曼滤波器和半监督学习策略，提升了模型性能和鲁棒性。实验结果表明，该方法在nuScenes和Argoverse2数据集上优于传统方法。
