利用图信号处理优化协同多目标跟踪
计算机视觉与模式识别
2025-06-12 v1
摘要
多目标跟踪(MOT)在自动驾驶系统中扮演关键角色，为高级感知和精确路径规划模块奠定基础。然而，单智能体MOT因遮挡、传感器故障等原因缺乏对周围环境的感知。因此，多智能体信息的融合对于全面理解环境至关重要。本文提出了一种新颖的协同MOT框架，通过构建和求解图拓扑感知优化问题，在3D LiDAR场景中跟踪物体并融合来自多辆车辆的信息。通过利用由检测到的边界框定义的全连接图拓扑，我们采用图拉普拉斯处理优化技术来平滑边界框的位置误差并有效组合它们。以这种方式，我们揭示并利用多智能体检测中固有的相干性，并在两个阶段将精化的边界框关联到跟踪目标，优化定位和跟踪精度。广泛的评估研究使用真实世界V2V4Real数据集进行，提出的方法在多个测试序列中显著优于基线框架，包括最先进深度学习方法DMSTrack和V2V4Real。
引用
@article{arxiv.2506.09469,
title = {Optimizing Cooperative Multi-Object Tracking using Graph Signal Processing},
author = {Maria Damanaki and Nikos Piperigkos and Alexandros Gkillas and Aris S. Lalos},
journal= {arXiv preprint arXiv:2506.09469},
year = {2025}
}
备注
2025 IEEE International Conference on Multimedia and Expo Workshops, 3DMM - 3D Multimedia Analytics, Search and Generation