基于 Overhead Crane LiDAR 的人员检测与跟踪
计算机视觉与模式识别
2026-03-06 v1 机器学习
机器人学
摘要
本文探讨了在工业室内工作环境中利用安装在吊车上的 LiDAR 实现人员检测与跟踪的技术。该俯视视角引入了与常规车辆中心 LiDAR 基准数据之间的显著领域偏移，且缺乏适合的公开训练数据。因此，我们构建了包含 3D 人体边界框标注的现场特定 Overhead LiDAR 数据集，并在统一的训练与评估协议下测试所选候选 3D 检测器。进一步，我们集成了基于 AB3DMOT 和 SimpleTrack 的轻量级跟踪-检测方法，以在时间维度上维持人员身份。检测性能采用距离分段评估，量化传感装置的实际工作范围。最佳适配检测器配置在 5.0 米水平半径内实现平均精度 (AP) 最高达 0.84，距离缩小至 1.0 米时提升至 0.97，其中 VoxelNeXt 和 SECOND 作为该范围内最可靠的 backbone 模型。上述结果有助于弥合标准驾驶数据集与俯视感知场景中人员检测与跟踪之间的领域差距。我们还报告了延迟测量，凸显其实际实时可行性。最后，我们在 GitHub 上发布了数据集与实现代码，以支持进一步研究。
引用
@article{arxiv.2603.04938,
title = {Person Detection and Tracking from an Overhead Crane LiDAR},
author = {Nilusha Jayawickrama and Henrik Toikka and Risto Ojala},
journal= {arXiv preprint arXiv:2603.04938},
year = {2026}
}
备注
8 pages, 7 figures, 4 tables. Submitted to Ubiquitous Robots (UR) 2026. Code: https://github.com/nilushacj/O-LiPeDeT-Overhead-LiDAR-Person-Detection-and-Tracking