刘卫东， 罗华平， 王爱春， 黄少堂

（江铃汽车股份有限公司， 江西 南昌 330001）

可预期的未来十余年，高级驾驶员辅助系统ADAS和无人驾驶将是汽车行业最具创新性和颠覆性的前行方向。精准、直观、智能的场景重构，是前者演化的重要组成部分，并为持续丰富的行驾体验提供支撑。

目前而言，传感器（雷达、摄像头等） 由于自身感知能力的局限性，无法保证全天候有效地提供真实的外部环境数据，如，因自车颠簸，造成传感器视场角偏转，从而丢失前车目标。基于此情形的场景重构，必会出现目标车辆在仪表/显示屏上短暂消失，干扰驾驶员判断，影响驾驶体验，更严重者导致安全事故。

本文基于某公司的中距离毫米波雷达 （MRR） 感知&探测方案，以最小二乘法为核心，考量正常道路行驶的场景进行条件约束，设计出一种简洁、高效的追踪&预测算法，旨在持续、稳定地追踪目标，从而支撑场景重构中目标车辆可靠、有效的显示，达到最优行车体验。

1 最小二乘法介绍

最小二乘法（又称最小平方法） 一般形式可如下式：

观测值就是通过实验或者测量得到的多组样本，理论值就是假设的拟合函数。最小二乘法核心思想是求解未知参数，使得理论值与观测值之差 （残差） 的平方和 （损失函数） 达到最小，此时拟合函数的曲线可最大精准地反映观测值的基本趋势。由高斯-马尔可夫定理可证明，在给定经典线性回归的假定下，最小二乘估计量是具有最小方差的线性无偏估计量。……