RaTrack：基于 4D 雷达点云的运动目标检测与跟踪
计算机视觉与模式识别
2024-03-14 v7 人工智能
机器学习
机器人学
摘要
移动自主性依赖于对动态环境的精确感知。因此在 3D 世界中鲁棒地跟踪运动目标对于轨迹预测、障碍物规避和路径规划等应用起着关键作用。尽管当前多数方法利用 LiDAR 或相机进行多目标跟踪（MOT），4D 成像雷达的能力仍很大程度上未被探索。认识到 4D 雷达数据中雷达噪声与点稀疏性带来的挑战，我们引入了 RaTrack，一种专为基于雷达的跟踪定制的创新方案。我们的方法绕过了对特定目标类型和 3D 边界框的典型依赖，聚焦于运动分割与聚类，并由运动估计模块加以增强。在 View-of-Delft 数据集上的评估显示，RaTrack 对运动目标展现出优越的跟踪精度，大幅超越当前最先进方法的性能。我们在 https://github.com/LJacksonPan/RaTrack 发布代码与模型。
引用
@article{arxiv.2309.09737,
title = {RaTrack: Moving Object Detection and Tracking with 4D Radar Point Cloud},
author = {Zhijun Pan and Fangqiang Ding and Hantao Zhong and Chris Xiaoxuan Lu},
journal= {arXiv preprint arXiv:2309.09737},
year = {2024}
}
备注
Accepted to ICRA 2024. 8 pages, 4 figures. Co-first authorship for Zhijun Pan, Fangqiang Ding and Hantao Zhong, listed randomly. See demo vide at: https://www.youtube.com/watch?v=_uSpbxOlLGw