One of the key technologies of autonomous vehicles is robust object tracking in various weather conditions and
driving environments. This encompasses the real-time detection of the movement of surrounding vehicles and the continuous monitoring of dynamic environmental changes. Traditional lidar or camera-based tracking systems suffer significant performance degradation in object detection and tracking during adverse weather conditions due to loss of measurements. Radar-based object detection and tracking systems show robust performance even in bad weather, but most existing studies have used 3D radar without height information, making accurate tracking in actual 3D space challenging. In response, this study proposes a 4D radar-based multi-object tracking algorithm, 4DRTrack, which ensures accurate object tracking in 3D space even under adverse weather conditions. 4DRTrack adheres to the Tracking-by-detection paradigm of multi-object tracking and consists of a 4D radar-based object recognition process, a transformer-based motion prediction network that performs a Bayesian approach, a data association process based on GIoU, and a lifecycle management process for objects.
자율주행 차량의 핵심 기술 중 하나는 다양한 기상 조건과 주행 환경에서 강인하게 객체를 추적하는 것이다. 이는 주변 차량의 움직임을 실시간으로 파악하고, 동적 환경 변화를 지속적으로 파악하는 것을 의미한다. 기존의 라이다나 카메라 기반 추적 시스템은 악천후 조건에서 측정치의 손실로 인해 객체 인식 및 추적 성능이 현저히 저하된다. 레이다 기반 객체 인식 및 추적 시스템은 악천후에서도 강건한 성능을 보이지만, 대부분의 기존 연구가 높이 정보를 제공하지 않는 3D 레이다만을 사용하여 실제 3D 공간에서의 정확한 추적에 어려움이 있었다. 이에 본 연구에서는 악천후 조건에서도 3D 공간 내에서 정확한 객체 추적을 가능하게 하는 4D 레이다 기반 다중 객체 추적 알고리즘(4DRTrack)을 제안한다. 4DRTrack은 다중 객체 추적의 Tracking-by-detection 패러다임을 준수하며, 4D 레이다 기반 객체 인식 과정, Bayesian approach를 수행하는 트랜스포머 기반의 모션 예측 네트워크, GIoU 기반 데이터 연관과정 및 객체의 생명주기 관리 과정으로 구성된다.
