机器人中的跟踪和物体检测 在机器人技术中，物体检测是一个快照：“在这个帧中，(x, y) 处有一个瓶子。” 物体跟踪是更难、更具操作性的事情：“这是之前的同一个瓶子，它这样移动，即使我在 200 毫秒内看不见它，它仍然在那里。” 想象一下一个在厨房台面上的移动操控器。任务在纸面上很简单：在一个杂乱的桌子上拿起蓝色瓶子，同时一个人就在附近移动。 机器人有一个相机（也许还有深度相机）。它运行一个物体检测器，并获得一个标记为“瓶子”的边界框和一个置信度分数。这听起来像是感知，但还不是。 在帧 1 中，检测器看到了瓶子。在帧 2 中，人的手臂部分遮挡了它，置信度下降，框消失了。在帧 3 中，瓶子重新出现，但检测器稍微移动了框。从规划者的角度来看，瓶子似乎消失了并瞬移了。 在杂乱中，你还会得到重复：检测器可能会为同一个物体生成两个合理的“瓶子”框。如果机器人直接对每帧的检测做出反应，你会看到经典的失败行为： ➤ 它犹豫，因为目标在每几帧中“消失”， ➤ 它不断重新规划，因为目标位置抖动， ➤ 当两个相似物体出现时，它朝错误的物体伸手， ➤ 它无法可靠地执行“不要与人碰撞”，因为人的框也在闪烁。 这就是为什么机器人感知很少停留在检测上。它需要物体的持久性：能够说“即使我短暂失去视线，这仍然是同一个瓶子。” 跟踪是将逐帧猜测转变为稳定世界模型的过程。 一种典型的方法是“基于检测的跟踪”：你仍然在每帧运行检测器，但你将检测结果附加到随时间变化的持久轨迹（ID）上，使用预测 + 关联。 具体来说，跟踪器做三件事： ➤ 预测“瓶子现在应该在哪里？” ➤ 关联“哪个检测属于哪个轨迹？” ➤ 在变化下保持身份 ...