CFTrack：基于中心的雷达与相机融合用于3D多目标跟踪
计算机视觉与模式识别
2021-07-13 v1
摘要
3D多目标跟踪是自动驾驶车辆感知系统中的关键组件。跟踪车辆周围所有动态物体对于障碍物避让和路径规划等任务至关重要。自动驾驶车辆通常配备不同传感器模态以提高准确性和可靠性。尽管近年来传感器融合已广泛应用于目标检测网络，但大多数现有的多目标跟踪算法要么依赖单一输入模态，要么未充分利用多种传感模态提供的信息。在本工作中，我们提出了一种基于雷达与相机传感器融合的端到端联合目标检测与跟踪网络。我们提出的方法使用基于中心的雷达-相机融合算法进行目标检测，并利用贪心算法进行目标关联。所提出的贪心算法利用检测物体的深度、速度和2D位移随时间对其进行关联。这使得我们的跟踪算法对遮挡和重叠物体非常鲁棒，因为深度和速度信息可帮助网络区分它们。我们在具有挑战性的nuScenes数据集上评估了我们的方法，其取得了20.0 AMOTA，优于基准中所有基于视觉的3D跟踪方法以及基线LiDAR-based方法。我们的方法是在线的，每张图像运行时间35ms，非常适用于自动驾驶应用。
引用
@article{arxiv.2107.05150,
title = {CFTrack: Center-based Radar and Camera Fusion for 3D Multi-Object Tracking},
author = {Ramin Nabati and Landon Harris and Hairong Qi},
journal= {arXiv preprint arXiv:2107.05150},
year = {2021}
}
备注
2021 IEEE Intelligent Vehicles Symposium, 3D-Deep Learning for Autonomous Driving Workshop (WS15)