第 2 步只跟 1 辆车。现在前面有 3 辆，雷达每 0.1 秒给一堆框：框上没写是谁，顺序还每帧打乱。跟踪器每帧做三件事：① 猜（每条轨迹各自 predict）② 配对（距离表 + 匈牙利算法）③ 管编号（配上的合一下，没配上的先留着，没人认领的发新编号）。
先回答聊天里那道小检查（马上删，还是先留几帧），再往下点。
| 每一帧 | 做什么 | 用到什么 |
|---|---|---|
| ① 猜 | 每条轨迹各自 predict 0.1 秒 | 第 2 步的 KalmanCV，x、y 各一个 |
| ② 配对 | 距离表（几条轨迹 × 几个框）→ 匈牙利算法一行一列只挑一个、总距离最小 → 超过门槛 2 米的不算 | scipy 的 linear_sum_assignment |
| ③ 管编号 | 配上的：update，misses 清零 没配上的轨迹：misses + 1，超过 10 才删 没人认领的框：新轨迹，发新编号 | 编号只增不减，删掉的号不再用 |
| 旋钮 | 太小 | 太大 |
|---|---|---|
| 门槛（这里 2 米） | 车稍微跑偏一点就配不上，被当成新车，编号乱换 | 旁边车道的车（这里隔 3.5 米）也能来抢，配错人 |
| 最多留几帧（这里 10） | 挡一下就删，回来换了编号（②） | 误检的“鬼影”留得久（③） |
和 A5 第 4 步“框认领真东西”是同一个套路：距离表、一对一、门槛。区别是 A5 拿检测框去对真值（评测），这里拿这一帧的框去对上一帧猜的位置（跟踪器自己）。A5 用“先配全场最近的一对”，这里用匈牙利（总距离最小）；这个场景每一帧两种配法结果都一样，车挨得很近时才会不同。
数字来自 sim/fake_traffic.py 的场景（3 辆车、测距误差 0.2 米、2.0–2.4 秒右车道那辆被挡住、3.5 秒护栏误检一次）加一个参考跟踪器。第 3 步你自己写同样的逻辑，跑出来应该是同一组数。