面向自动驾驶的概率化三维多目标跟踪
计算机视觉与模式识别
2020-01-17 v1 机器人学
摘要
三维多目标跟踪是自动驾驶应用中的一个关键模块，为规划模块提供可靠的世界动态表示。在本文中，我们提出了一种在线跟踪方法，该方法在NeurIPS 2019的AI驾驶奥运会研讨会上举办的NuScenes跟踪挑战赛中获得了第一名。我们的方法通过采用卡尔曼滤波器来估计目标状态。我们将状态协方差以及过程噪声和观测噪声协方差用训练集上的统计量进行初始化。我们还在数据关联步骤中利用卡尔曼滤波器的随机信息，通过测量预测目标状态与当前目标检测之间的马氏距离。我们在NuScenes验证集和测试集上的实验结果表明，我们的方法在平均多目标跟踪精度（AMOTA）指标上大幅优于AB3DMOT基线方法。
引用
@article{arxiv.2001.05673,
title = {Probabilistic 3D Multi-Object Tracking for Autonomous Driving},
author = {Hsu-kuang Chiu and Antonio Prioletti and Jie Li and Jeannette Bohg},
journal= {arXiv preprint arXiv:2001.05673},
year = {2020}
}