交通场景中的图像空间与世界空间联合跟踪
计算机视觉与模式识别
2018-09-21 v1
摘要
城市街道场景中的跟踪在自动驾驶汽车等自主系统中起着核心作用。当前大多数基于视觉的跟踪方法在图像域中执行跟踪。其他方法（例如基于LIDAR和雷达的）纯粹在3D中跟踪。虽然一些基于视觉的跟踪方法在其流程的部分中调用3D信息，一些基于3D的方法在其方法的组件中利用基于图像的信息，我们提议在整个方法中联合使用图像和世界空间信息。我们将我们的跟踪流程呈现为基于图像的跟踪的3D扩展。从用3D测量增强检测到每个被跟踪物体的报告位置，我们在处理的每个阶段都使用世界空间3D信息。我们通过我们新颖的耦合2D-3D卡尔曼滤波器，结合一个概念上清晰且可扩展的假设与选择框架来实现这一点。我们的方法在仅在2D图像域中进行评估的官方KITTI基准上匹配当前最先进水平。进一步的实验表明，通过启用我们的耦合2D-3D跟踪，3D定位精度得到显著改善。
引用
@article{arxiv.1809.07357,
title = {Combined Image- and World-Space Tracking in Traffic Scenes},
author = {Aljosa Osep and Wolfgang Mehner and Markus Mathias and Bastian Leibe},
journal= {arXiv preprint arXiv:1809.07357},
year = {2018}
}
备注
8 pages, 7 figures, 2 tables. ICRA 2017 paper