Poly-MOT：一种用于三维多目标跟踪的多面体框架
机器人学
2023-08-01 v1
摘要
三维多目标跟踪（MOT）通过提供周围物体的运动轨迹，使移动机器人能够完成充分知情的运动规划与导航任务。然而，现有的三维MOT方法通常对全部物体采用单一的相似度度量和物理模型来进行数据关联与状态估计。在大规模现代数据集和真实场景中，存在多种通常表现出独特几何属性和运动模式的对象类别。如此一来，这种差异会导致不同对象类别在同一标准下表现不同，从而产生轨迹与检测之间的错误匹配，并危及下游任务（如导航等）的可靠性。为此，我们提出Poly-MOT，一种基于Tracking-By-Detection框架的高效三维MOT方法，使跟踪器能为每个对象类别选择最合适的跟踪准则。具体而言，Poly-MOT为不同对象类别采用不同的运动模型以准确刻画各类运动。我们还将物体刚体结构约束引入特定运动模型，以准确描述物体的高度非线性运动。此外，我们引入两阶段数据关联策略，确保物体能从其类别的三个自定义度量中找到最优相似度度量并减少漏匹配。在NuScenes数据集上，我们提出的方法以 75.4\% AMOTA 取得了最先进的性能。代码见 https://github.com/lixiaoyu2000/Poly-MOT
引用
@article{arxiv.2307.16675,
title = {Poly-MOT: A Polyhedral Framework For 3D Multi-Object Tracking},
author = {Xiaoyu Li and Tao Xie and Dedong Liu and Jinghan Gao and Kun Dai and Zhiqiang Jiang and Lijun Zhao and Ke Wang},
journal= {arXiv preprint arXiv:2307.16675},
year = {2023}
}
备注
Accepted to IROS 2023, 1st on the NuScenes Tracking benchmark with 75.4 AMOTA