GNN-PMB：一个简洁而有效的无冗余在线三维多目标跟踪器
系统与控制
2023-02-09 v6 计算机视觉与模式识别
系统与控制
摘要
多目标跟踪(MOT)是现代高级驾驶辅助系统(ADAS)和自动驾驶(AD)系统中的关键应用之一。全局最近邻(GNN)滤波器作为最早的基于随机向量的贝叶斯跟踪框架，已被汽车工业中大多数最先进的跟踪器所采用。随机有限集(RFS)理论的发展促进了对MOT问题的数学严格处理，随后提出了不同变体的基于RFS的贝叶斯滤波器。然而，它们在真实ADAS和AD应用中的有效性仍是一个开放问题。本文通过对传统基于随机向量的带基于规则的启发式航迹维持的贝叶斯滤波器与基于RFS的贝叶斯滤波器在nuScenes验证数据集上的系统比较研究，证明了最新的基于RFS的贝叶斯跟踪框架可以优于典型的基于随机向量的贝叶斯跟踪框架。提出了一种基于RFS的跟踪器，即使用全局最近邻的泊松多伯努利滤波器(GNN-PMB)，用于基于LiDAR的MOT任务。该GNN-PMB跟踪器使用简单，并在nuScenes数据集上取得了有竞争力的结果。具体而言，所提出的GNN-PMB跟踪器优于大多数最先进的仅LiDAR跟踪器和LiDAR与相机融合的跟踪器，在提交时在nuScenes三维跟踪挑战排行榜上位列所有仅LiDAR跟踪器的第名。
引用
@article{arxiv.2206.10255,
title = {GNN-PMB: A Simple but Effective Online 3D Multi-Object Tracker without Bells and Whistles},
author = {Jianan Liu and Liping Bai and Yuxuan Xia and Tao Huang and Bing Zhu and Qing-Long Han},
journal= {arXiv preprint arXiv:2206.10255},
year = {2023}
}
备注
accepted by IEEE Transactions on Intelligent Vehicles