EagerMOT：基于传感器融合的3D多目标跟踪
计算机视觉与模式识别
2021-05-03 v1 机器人学
摘要
多目标跟踪（MOT）通过定位周围物体在三维空间与时间中的位置，使移动机器人能够进行知情的运动规划与导航。现有方法依赖深度传感器（如LiDAR）在三维空间中检测并跟踪目标，但由于信号稀疏，仅能在有限感知范围内实现。另一方面，相机提供密集而丰富的视觉信号，有助于即使在图像域中也能定位远处物体。在本文中，我们提出EagerMOT，一种简单的跟踪框架，它急切地整合来自两种传感器模态的所有可用物体观测，以获得对场景动态的充分知情解释。利用图像，我们可以识别远处驶来的物体，而深度估计则能在物体进入深度感知范围后实现精确轨迹定位。借助EagerMOT，我们在KITTI和NuScenes数据集上的多个MOT任务中取得了最先进（state-of-the-art）结果。我们的代码可在 https://github.com/aleksandrkim61/EagerMOT 获取。
引用
@article{arxiv.2104.14682,
title = {EagerMOT: 3D Multi-Object Tracking via Sensor Fusion},
author = {Aleksandr Kim and Aljoša Ošep and Laura Leal-Taixé},
journal= {arXiv preprint arXiv:2104.14682},
year = {2021}
}
备注
To be published at ICRA 2021. Source code available at https://github.com/aleksandrkim61/EagerMOT