基于变分三维目标检测的不确定性感知AB3DMOT

自动驾驶需要依赖高质量的三维目标检测，以确保在世界中的安全导航。不确定性估计是一种提供统计准确预测的有效工具，而相关的检测不确定性可用于实现更安全的导航协议或让用户参与闭环。在本文中，我们提出了一种基于变分神经网络的TANet三维目标检测器，以生成带不确定性的三维目标检测，并将这些检测引入不确定性感知的AB3DMOT跟踪器。这是通过对估计的不确定性矩阵施加线性变换来实现的，该矩阵随后被用作所采用卡尔曼滤波的测量噪声。我们实现了两种估计输出不确定性的方式，即内部方式：计算CNN输出的方差并将不确定性通过后处理传播；以及外部方式：关联不同样本的最终预测并计算每个预测框的协方差。在实验中，我们表明外部不确定性估计带来更好的结果，优于内部不确定性估计和经典跟踪方法。此外，我们提出了一种用预训练TANet模型初始化变分三维目标检测器的方法，从而得到性能最佳的模型。