会上可能听到：“前车一变道，跟踪就慢半拍。——滤波器里是不是只有一个匀速模型？”
它到底是什么意思
每帧两步。预测：按运动模型把状态和协方差推到当前时刻。更新：拿新观测修正，预测越没把握、观测越准，就越听观测。速度这类测不到的量，也在这个循环里一起估出来。
放到轨迹预测里，就只剩第一步。没有新观测来修正，每往前推一步，协方差就再叠一次过程噪声，越远越大。这就是「远端发散」在滤波框架里的样子。
单一模型的软肋是机动：按匀速模型滤波的目标突然转弯，估计会滞后。IMM 让 CV、CTRV 这类模型并行滤波，谁更能解释新观测，谁的概率就涨，输出按概率加权。
机制图解
- 01交互混合按模型间的切换概率，把上一帧各模型的估计混成每个滤波器的起点
- 02并行滤波CV、CTRV 等各跑一遍卡尔曼的预测与更新
- 03更新模型概率谁更能解释新观测，谁的概率就涨
- 04加权输出按模型概率合成一个状态和协方差
容易搞混的地方
常见误解
卡尔曼滤波就是给检测框去抖
正确理解
它还在估测不到的量，比如速度、转弯率，并给出这些估计有多不可信
常见误解
IMM 已经能预测意图
正确理解
它只在几种运动模式之间切换，回答「现在怎么动」，不回答「想去哪」；长时预测仍然要意图
看懂之后可以追问
- 滤波器里放了哪几个运动模型？切换概率怎么定？只放匀速模型，目标一机动就滞后。切换概率决定多快「改信」另一个模型：太慢跟不上机动，太快又会让直行段被转弯模型扰动。
- 交给下游的预测轨迹，带不带随时域变大的不确定范围？只交一条线，下游就会把远处的点当成和近处一样可信。
沿着主线继续
先知道
- 运动学模型——假设某个运动量不变，按物理外推：CV 保速度，CA 保加速度，CTRV / CTRA 再保转弯率；短时好用，一长都失准。
- 多目标跟踪——把逐帧的检测连成有身份的轨迹：同一辆车跨帧保持同一个 ID，并估出单帧给不了的速度和横摆角速度。
接着看
- 意图预测——先把「对方想去哪」离散成几个候选：哪条车道、哪个出口，再给每个候选打分；轨迹等意图定了再补。