哪种框架适用于基于车载 4D 成像雷达的自动驾驶在线三维多目标跟踪？
摘要
由于高级驾驶辅助系统（ADAS）与自动驾驶（AD）中对三维感知需求的增长，在线三维多目标跟踪（MOT）近期受到了显著的研究关注。在现有面向 ADAS 与 AD 的 3D MOT 框架中，采用检测即跟踪（TBD）策略的传统点目标跟踪（POT）框架已针对 LiDAR 与 4D 成像雷达点云得到充分研究并被广泛接受。相比之下，另一种接受联合检测与跟踪（JDT）策略的重要框架——扩展目标跟踪（EOT），在在线 3D MOT 应用中鲜有探索。本文首次对真实 ADAS 与 AD 场景下在线 3D MOT 的 EOT 框架进行了系统性研究。具体而言，通过两个开源 4D 成像雷达数据集 View-of-Delft 与 TJ4DRadSet 上的大量评估，比较了被广泛接受的 TBD-POT 框架、近期研究的 JDT-EOT 框架以及我们提出的 TBD-EOT 框架。实验结果表明，传统 TBD-POT 框架在跟踪性能高、计算复杂度低方面仍更适用于在线 3D MOT，而我们提出的 TBD-EOT 框架在特定情形下有潜力超越它。然而，结果也显示 JDT-EOT 框架在评估场景中遇到多重问题且表现不足。在基于多种评估指标与可视化分析这些现象成因后，我们提供了改进这些 MOT 框架在真实数据上性能的可能准则。这为未来基于 4D 成像雷达的在线 3D MOT 算法发展提供了首个基准与重要见解。
引用
@article{arxiv.2309.06036,
title = {Which Framework is Suitable for Online 3D Multi-Object Tracking for Autonomous Driving with Automotive 4D Imaging Radar?},
author = {Jianan Liu and Guanhua Ding and Yuxuan Xia and Jinping Sun and Tao Huang and Lihua Xie and Bing Zhu},
journal= {arXiv preprint arXiv:2309.06036},
year = {2024}
}
备注
8 pages, 5 figures, accepted by IEEE 35th Intelligent Vehicles Symposium (IV 2024), oral presentation (top 5%), code is available at https://github.com/dinggh0817/4D_Radar_MOT