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）や自律走行システム（AD）において重要なアプリケーションの一つである。グローバル最近傍（GNN）フィルタは、最も初期のランダムベクターベイズ型トラッキングフレームワークとして、自動車産業における最先端のトラッカーのほとんどに採用されています。その後、ランダム有限集合（RFS）理論の発展により、MOT問題の数学的厳密な取り扱いが可能となり、RFSベースのベイジアンフィルタの様々なバリエーションが提案されています。しかし、実際のADASやADアプリケーションにおけるその有効性はまだ未解決の問題である。本論文では、ルールベースのヒューリスティックなトラックメンテナンスを伴う従来のランダムベクトルベイズフィルタとRFSベースベイズフィルタの両方をnuScenes検証データセット上で系統的に比較することにより、最新のRFSベースベイジアントラックフレームワークが典型的なランダムベクトルベイズトラッキングフレームワークよりも優れている可能性を示すものである。RFSに基づく追跡器、すなわちグローバルな最近傍を用いたポアソンマルチベルヌーイフィルタ（GNN-PMB）をLiDARベースのMOTタスクに提案する。このGNN-PMBは使いやすく、nuScenesデータセットで競争力のある結果を得ることができる。特に、提案するGNN-PMBトラッカーは、最新のLiDAR単独トラッカーやLiDARとカメラの融合ベースのトラッカーを凌駕し、提出時のnuScenes 3D tracking challenge leader boardでLiDAR単独トラッカー中$3^{rd}$にランクインしています。

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. The global nearest neighbor (GNN) filter, as the earliest random vector-based Bayesian tracking framework, has been adopted in most of state-of-the-arts trackers in the automotive industry. The development of random finite set (RFS) theory facilitates a mathematically rigorous treatment of the MOT problem, and different variants of RFS-based Bayesian filters have then been proposed. However, their effectiveness in the real ADAS and AD application is still an open problem. In this paper, it is demonstrated that the latest RFS-based Bayesian tracking framework could be superior to typical random vector-based Bayesian tracking framework via a systematic comparative study of both traditional random vector-based Bayesian filters with rule-based heuristic track maintenance and RFS-based Bayesian filters on the nuScenes validation dataset. An RFS-based tracker, namely Poisson multi-Bernoulli filter using the global nearest neighbor (GNN-PMB), is proposed to LiDAR-based MOT tasks. This GNN-PMB tracker is simple to use, and it achieves competitive results on the nuScenes dataset. Specifically, the proposed GNN-PMB tracker outperforms most state-of-the-art LiDAR-only trackers and LiDAR and camera fusion-based trackers, ranking the $3^{rd}$ among all LiDAR-only trackers on nuScenes 3D tracking challenge leader board at the time of submission.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL