SemanticTrack：一种用于雷达点云鬼影抑制的运动目标检测与跟踪方法

刘欣雨，李东瀛，郁文贤

（上海交通大学 智能探测与识别上海市重点实验室，上海200240） 

摘要：毫米波雷达在目标探测过程中经常面临鬼影目标的挑战，尤其是在目标处于运动状态时更为突出。现有方法往往未能充分利用雷达点云的多维信息，而是依赖基于逐点分类，缺乏目标的整体语义标签，从而在复杂环境中容易导致频繁的误判。此外，现有方法在跟踪稀疏雷达点云方面表现较差，尤其是在目标发生交叉运动的场景中。针对上述问题，本文提出SemanticTrack, 一种运动目标语义检测与跟踪方法。在目标检测阶段，所提出的运动目标提取模块和整体语义分割网络有效地利用雷达点的多维信息，增强目标的整体语义理解，避免了误判问题。此外，跟踪阶段提出的轨迹管理模块结合了时间信息和语义标签，实现了对鬼影目标的高效抑制。在自建数据集中的实验结果表明：SemanticTrack实现了最高的鬼影抑制率（GSR）93.63%，显著优于现有方法。在跟踪性能方面，与经典的AB3DMOT方法相比，SemanticTrack在多目标跟踪准确度（MOTA）上提高了32.26%，并将多目标跟踪精确度（MOTP）减少了0.921米。尤其在多目标交叉运动场景下，该方法展现出了优越的稳定性。

关键词：鬼影抑制，雷达点云检测，语义融合，轨迹管理

扫二维码浏览全文 

Cite this article

Liu, X., Li, D. & Yu, W. SemanticTrack: A Moving Target Detection and Tracking Method for Radar Point Cloud Ghost Suppression. J. Shanghai Jiaotong Univ. (Sci.) (2025). https://doi.org/10.1007/s12204-025-2864-y