FlowMOT：基于场景流关联的3D多目标跟踪
计算机视觉与模式识别
2021-03-08 v3 机器人学
摘要
大多数端到端多目标跟踪（MOT）方法面临精度低与泛化能力差的问题。尽管传统的基于滤波的方法能取得更好结果，但它们难以赋予最优超参数，且常在不同场景中失效。为缓解这些缺陷，我们提出一种基于 LiDAR 的 3D MOT 框架 FlowMOT，其将逐点运动信息与传统匹配算法相融合，增强了运动预测的鲁棒性。我们首先利用场景流估计网络获取相邻两帧间的隐式运动信息，并计算前一帧中每个旧轨迹的预测检测。随后使用匈牙利算法结合 ID 传播策略生成最优匹配关系以完成跟踪任务。在 KITTI MOT 数据集上的实验表明，我们的方法优于近期端到端方法，并与最先进的基于滤波的方法取得相当的性能。此外，在基于滤波的方法可能失效的变速场景中，我们的方法能稳定工作。
引用
@article{arxiv.2012.07541,
title = {FlowMOT: 3D Multi-Object Tracking by Scene Flow Association},
author = {Guangyao Zhai and Xin Kong and Jinhao Cui and Yong Liu and Zhen Yang},
journal= {arXiv preprint arXiv:2012.07541},
year = {2021}
}
备注
Internship technical report