3D多目标跟踪：一种基线方法与新的评价指标
计算机视觉与模式识别
2020-07-23 v5 机器人学
摘要
3D多目标跟踪（MOT）是自动驾驶和辅助机器人等许多应用的关键组成部分。近期3D MOT工作聚焦于开发精确系统，较少关注计算成本与系统复杂度等实际考量。相比之下，本文提出一种简单的实时3D MOT系统。我们的系统首先从LiDAR点云获取3D检测。随后，采用3D卡尔曼滤波与匈牙利算法的直接组合进行状态估计与数据关联。此外，KITTI等3D MOT数据集在2D空间评估MOT方法，且缺乏标准化的3D MOT评估工具以公平比较各类3D MOT方法。因此，我们提出一种新的3D MOT评估工具及三项新指标，以全面评估3D MOT方法。我们表明，尽管我们的系统仅采用经典MOT模块的组合，在两个3D MOT基准（KITTI和nuScenes）上实现了最优的3D MOT性能。令人惊讶的是，尽管我们的系统未使用任何2D数据作为输入，我们在KITTI 2D MOT排行榜上取得了具竞争力的性能。我们提出的系统在KITTI数据集上以 FPS的速率运行，在所有现代MOT系统中速度最快。为鼓励标准化3D MOT评估，我们的系统与评估代码已在 https://github.com/xinshuoweng/AB3DMOT 公开。
引用
@article{arxiv.1907.03961,
title = {3D Multi-Object Tracking: A Baseline and New Evaluation Metrics},
author = {Xinshuo Weng and Jianren Wang and David Held and Kris Kitani},
journal= {arXiv preprint arXiv:1907.03961},
year = {2020}
}
备注
Accepted at IROS 2020