关联门限（Association Threshold）是自动驾驶多目标跟踪系统中的关键参数，用于判定传感器观测数据与现有跟踪目标间的匹配可信度。其本质是一个概率阈值，当观测数据与目标轨迹的关联概率高于该门限值时，系统才会建立两者间的对应关系。该参数直接影响跟踪系统对目标分裂、合并等复杂场景的处理能力，既需要足够敏感以捕捉真实关联，又要足够严格以避免误匹配带来的轨迹混乱。
在自动驾驶实际应用中，关联门限的设定往往需要平衡误跟踪率与漏跟踪率。过高的门限会导致系统频繁丢失目标（如遮挡后重识别失败），而过低的门限则可能产生轨迹漂移（如将相邻车辆观测点错误关联）。现代解决方案常采用自适应门限策略，结合目标运动特性、环境能见度等动态因素进行在线调整。特斯拉2022年公布的专利「US20220374008A1」中提出基于注意力机制的关联门限优化方法，便是该领域的前沿实践。