具备物体恒存性的离线跟踪
计算机视觉与模式识别
2024-05-07 v4
摘要
为降低自动驾驶数据集人工标注的高昂人力成本，一种替代方案是利用离线感知系统自动标注数据集。然而，物体可能被暂时遮挡。此类数据集中的遮挡场景十分常见，却在离线自动标注中未得到充分探索。在本工作中，我们提出一种聚焦于被遮挡物体轨迹的离线跟踪模型。其利用物体恒存性概念，即物体即便不再被观测也持续存在。该模型包含三部分：标准在线跟踪器、关联遮挡前后轨迹片段的再识别（Re-ID）模块，以及补全碎片化轨迹的轨迹补全模块。Re-ID 模块与轨迹补全模块将矢量地图作为 inputs 之一，以结合遮挡优化跟踪结果。该模型能有效恢复被遮挡物体轨迹。它在 3D 多目标跟踪中取得最先进性能，通过显著改善原始在线跟踪结果，展现出作为离线自动标注中有用插件、通过恢复遮挡提升跟踪的潜力。
引用
@article{arxiv.2310.01288,
title = {Offline Tracking with Object Permanence},
author = {Xianzhong Liu and Holger Caesar},
journal= {arXiv preprint arXiv:2310.01288},
year = {2024}
}
备注
Accepted by IEEE Intelligent Vehicles Symposium (IV 2024). Camera ready version with supplementary material