基于轨迹图和查询图的多目标跟踪与定位同步建图系统——GSLAMOT

对于与不熟悉环境中的移动对象进行交互，同时定位、构建地图并跟踪多个对象的3D姿态是至关重要的。本文提出了基于轨迹图和查询图的框架，即GSLAMOT，以解决这一挑战。GSLAMOT将摄像头和激光雷达的多模态信息作为输入，将动态场景的表示划分为用于表示静态环境的语义地图、ego主体的轨迹，以及在线维护的轨迹图（Tracklet Graph, TG）用于跟踪和预测检测到的移动对象的3D姿态。每个帧中根据目标检测构建查询图（Query Graph, QG）以查询和更新TG。为实现精确的对象关联，提出了基于多准则星形图关联（Multi-criteria Star Graph Association, MSGA）的方法，在QG中的检测对象与TG中预测的轨迹之间寻找匹配对象。随后，提出了基于对象中心的图优化（Object-centric Graph Optimization, OGO）方法，以同时优化TG、语义地图和主体轨迹。它将检测到的对象三角化到地图中，以丰富地图的语义信息。我们解决了在平行处理三个紧密耦合任务中的效率问题。实验在KITTI、Waymo以及模拟的交通拥堵数据集上进行，后者突出了具有挑战性的场景。实验表明，GSLAMOT在执行精准的SLAM同时实现了准确的拥挤目标跟踪，性能优于当前的状态方法。代码和数据集已公开。