基于置信度的三维多目标跟踪中的分数精炼
计算机视觉与模式识别
2021-07-12 v1 机器人学
摘要
多目标跟踪是自主导航的关键组成部分，因其为决策提供有价值的信息。许多研究者通过逐帧滤除三维检测结果来处理三维多目标跟踪任务；然而，他们的焦点主要在于寻找有用特征或恰当的匹配度量。我们的工作聚焦于跟踪系统中被忽视的部分：分数精炼与轨迹段终止。我们展示了依据时间一致性操纵分数、并依据轨迹段分数终止轨迹段可改善跟踪结果。具体做法为：利用分数更新函数提升已匹配轨迹段的分数，并降低未匹配轨迹段的分数。相较于基于计数的方法，我们的方法在使用不同检测器与滤波算法于不同数据集上时，始终产生更优的 AMOTA 与 MOTA 分数。AMOTA 分数提升最高达 1.83，MOTA 提升达 2.96。我们还将该方法用作后期融合集成方法，其以明显优势优于基于投票的集成方法。在 nuScenes 测试评测中，其 AMOTA 分数达到 67.6，与其他最先进跟踪器相当。代码公开于：\url{https://github.com/cogsys-tuebingen/CBMOT}。
引用
@article{arxiv.2107.04327,
title = {Score refinement for confidence-based 3D multi-object tracking},
author = {Nuri Benbarka and Jona Schröder and Andreas Zell},
journal= {arXiv preprint arXiv:2107.04327},
year = {2021}
}
备注
Accepted at IROS 2021