基于深度学习检测与 PMBM 滤波的单目相机三维多目标跟踪
计算机视觉与模式识别
2018-02-28 v1 信号处理
摘要
单目相机是自动驾驶汽车工业中最常用的传感器之一。使用单目相机的一个主要缺陷是它仅在二维图像平面上进行观测，无法直接测量到物体的距离。在本文中，我们旨在通过开发一种多目标跟踪算法来弥补这一不足，该算法以图像为输入并在世界坐标系中产生被检测物体的轨迹。我们通过使用训练为从单张输入图像检测物体并估计其距离的深度神经网络来解决此问题。来自图像序列的检测被送入最先进的泊松多伯努利混合（PMBM）跟踪滤波器。所学习的检测器与 PMBM 滤波器的结合产生了一种仅以单目相机图像为输入即可实现三维跟踪的算法。该算法的性能使用公开的 KITTI 目标跟踪数据集在三维世界坐标与二维图像坐标下进行了评估。该算法展现出准确跟踪物体、正确处理数据关联的能力，即使在图像中物体有大幅重叠时亦然，并且是 KITTI 目标跟踪基准上性能最优的算法之一。此外，该算法高效，平均以接近每秒 20 帧的速度运行。
引用
@article{arxiv.1802.09975,
title = {Mono-Camera 3D Multi-Object Tracking Using Deep Learning Detections and PMBM Filtering},
author = {Samuel Scheidegger and Joachim Benjaminsson and Emil Rosenberg and Amrit Krishnan and Karl Granstrom},
journal= {arXiv preprint arXiv:1802.09975},
year = {2018}
}
备注
8 pages, 2 figures, for associated videos, see https://goo.gl/AoydgW