MHT算法（Multiple Hypothesis Tracking，多假设跟踪）是自动驾驶领域用于多目标跟踪的核心算法之一，其核心思想是通过构建并维护多个可能的目标轨迹假设来解决传感器数据中的不确定性。与传统单假设跟踪不同，MHT会保留所有合理的跟踪可能性，根据后续观测数据动态评估假设的合理性，通过剪枝策略淘汰低概率分支，最终输出最可能的轨迹集合。这种延迟决策机制使其在密集目标、遮挡等复杂场景下展现出显著优势。
在自动驾驶实际应用中，MHT算法常用于毫米波雷达和激光雷达的物体跟踪模块。当车辆周围存在多个行人、车辆等动态目标时，MHT能够有效处理传感器测量的歧义性，例如区分近距离并行车辆或短暂被遮挡的自行车。现代改进版本如JPDA-MHT（联合概率数据关联多假设跟踪）进一步融合了概率权重计算，使得系统在保持实时性的同时，跟踪准确率可提升30%以上。值得注意的是，由于计算复杂度随假设数量指数级增长，工程实现时需结合滑动时间窗等优化策略。