DetFlowTrack：基于目标检测与场景流估计同步优化的三维多目标跟踪
计算机视觉与模式识别
2022-03-07 v1 机器人学
摘要
三维多目标跟踪（MOT）是无人车感知模块的重要组成部分。多数方法独立优化目标检测与数据关联。这些方法使网络结构复杂并限制了MOT精度的提升。我们提出了一种基于目标检测与场景流估计同步优化的三维MOT框架。在该框架中，提出检测引导的场景流模块以缓解帧间关联错误的问题。为获得更精确的场景流标签，尤其在带旋转的运动情况下，提出了一种基于框变换的场景流真值计算方法。在KITTI MOT数据集上的实验结果表明，相较SOTA方法具有竞争力，且在带旋转的极端运动下具有鲁棒性。
引用
@article{arxiv.2203.02157,
title = {DetFlowTrack: 3D Multi-object Tracking based on Simultaneous Optimization of Object Detection and Scene Flow Estimation},
author = {Yueling Shen and Guangming Wang and Hesheng Wang},
journal= {arXiv preprint arXiv:2203.02157},
year = {2022}
}
备注
6 pages, 6 figures