GNN-PMB: A Simple but Effective Online 3D Multi-Object Tracker without Bells and Whistles

要約

マルチオブジェクトトラッキング（MOT）は、最新の先進運転支援システム（ADAS）および自動運転（AD）システムの重要なアプリケーションの1つです。
MOTのほとんどのソリューションは、グローバル最近傍（GNN）のようなランダムベクトルベイジアンフィルターとルールベースのヒューリスティックトラックメンテナンスに基づいています。
ランダム有限集合（RFS）理論の開発に伴い、RFSベイジアンフィルターがADASおよびADシステムのMOTタスクに最近適用されました。
ただし、実際のトラフィックでのそれらの有用性は、計算コストと実装の複雑さのために疑わしいものです。
この論文では、ルールベースのヒューリスティックトラックメンテナンスを備えたGNNは、ADASおよびADシステムのLiDARベースのMOTタスクには不十分であることが明らかになりました。
この判断は、従来のランダムベクトルベイジアンフィルターとルールベースのヒューリスティックトラックメンテナンスおよびRFSベイジアンフィルターを含む、いくつかの異なるマルチポイントオブジェクトフィルターベースの追跡フレームワークを体系的に比較することによって示されます。
さらに、LiDARベースのMOTタスク用に、シンプルで効果的なトラッカー、つまりグローバル最近傍（GNN-PMB）トラッカーを使用したポアソンマルチベルヌーイフィルターが提案されています。
提案されたGNN-PMBトラッカーは、nuScenesテストデータセットで競争力のある結果を達成し、他の最先端のLiDARのみのトラッカーやLiDARおよびカメラフュージョンベースのトラッカーよりも優れた追跡パフォーマンスを示します。

要約(オリジナル)

Multi-object tracking (MOT) is among crucial applications in modern advanced driver assistance systems (ADAS) and autonomous driving (AD) systems. Most solutions to MOT are based on random vector Bayesian filters like global nearest neighbor (GNN) plus rule-based heuristical track maintenance. With the development of random finite set (RFS) theory, the RFS Bayesian filters have been applied in MOT tasks for ADAS and AD systems recently. However, their usefulness in the real traffic is open to doubt due to computational cost and implementation complexity. In this paper, it is revealed that GNN with rule-based heuristic track maintenance is insufficient for LiDAR-based MOT tasks in ADAS and AD systems. This judgement is illustrated by systematically comparing several different multi-point object filter-based tracking frameworks, including traditional random vector Bayesian filters with rule-based heuristical track maintenance and RFS Bayesian filters. Moreover, a simple and effective tracker, namely Poisson multi-Bernoulli filter using global nearest neighbor (GNN-PMB) tracker, is proposed for LiDAR-based MOT tasks. The proposed GNN-PMB tracker achieves competitive results in nuScenes test dataset, and shows superior tracking performance over other state-of-the-art LiDAR only trackers and LiDAR and camera fusion-based trackers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google