本课题由浙江大学和上汽研究总院（原上汽前瞻技术研究部）&泛亚技术中心联合承担。

2022年5月12日，基金会秘书处组织协调浙江大学、上汽研究总院（原上汽前瞻技术研究部）、泛亚技术中心、以及上汽商用车技术中心、上汽大众、赛可智能、联合电子、华域股份共25名人员，通过腾讯视频会议方式，围绕《数据驱动的固态激光点云聚类、跟踪与预测方法研究》（2010）课题进行了阶段性（中期）研究成果汇报（技术交流）会。

课题组开发了基于雷达伪视差直方图和高程图过滤的集成算法，实现了道路与非道路的准确分割，准确率95.38%，耗时87.72ms；基于开源算法CenterPoint实现单帧检测结果，并在此基础上提出了基于场景流指导的特征级对齐的多帧检测器，提出了粗分割掩膜进行前景和背景的过滤，提出了帧间注意力进行特征加权，实现了多帧检测器对道路场景感兴趣目标的检测率达到92.17%，耗时69.93ms；实现了多帧目标检测算法对集装箱卡车、异形车（如叉车）以及卡车装载异形货物等大型车辆检测的性能优化，在大型车辆上AP达到71.28%，改善了检测性能；开发了基于卡尔曼滤波器的障碍物跟踪模块，解决障碍物目标短暂丢失、障碍物间相互遮挡等多目标复杂场景，实现稳定连续跟踪，目标跟踪指标sAMOTA达到86.28%，目标跟踪稳定性为92.85%。

达到中期预期目标。

道路分割算法整体结构