PTMOT：面向自动驾驶的高置信度概率多目标跟踪方法

清华大学团队提出新型多目标跟踪算法，提升复杂交通场景下的感知精度

作者团队介绍

Jiang K, Shi Y, Zhou T, et al. PTMOT: A probabilistic multiple object tracker enhanced by tracklet confidence for autonomous driving. Automot Innov. 5(3), 260–271 (2022). https://doi.org/10.1007/s42154-022-00185-1

期刊简介

《Automotive Innovation》是中国汽车工程学会（China SAE）主办、国家新闻出版署批准的中国汽车行业首本英文科技期刊，致力于打造国际化的学术交流平台，推动中国汽车创新成果走向世界。期刊与Springer Nature合作出版，已被EI、ESCI、Scopus等国际知名数据库收录。

期刊聚焦智能网联汽车、新能源汽车及未来出行技术等领域，发表具有创新性的理论研究、工程技术应用与产品开发成果。编委会由来自全球15个国家和地区的汽车领域权威专家组成，创刊联合主编为清华大学李骏院士、赵福全教授。

投稿信息

• 稿件须为原创且未公开发表，严禁一稿多投；
• 论文语言为英文，建议篇幅约5000词；
• 投稿请访问期刊官网：https://www.springer.com/42154

联系方式

联系人：谷慧思
电话：86-10-50950101
邮箱：jai-editor@sae-china.org