Multi-object Detection, Tracking and Prediction in Rugged Dynamic Environments

要約

複数オブジェクト追跡 (MOT) は、監視、物流、その他の分野で重要な用途に使用されます。
この論文では、厳しい環境におけるリアルタイムの複数物体追跡および予測システムを開発します。
Lidar とカメラの融合に基づく 3D 物体検出アルゴリズムは、ターゲット オブジェクトを検出するように設計されています。
ハンガリーアルゴリズムに基づいて,本論文は,オブジェクトの安定したマッチングと追跡を実現するために,適応閾値を備えた3Dマルチオブジェクト追跡アルゴリズムを設計した。
メモリ拡張ニューラル ネットワーク (MANN) とカルマン フィルターを組み合わせて、起伏の多い地形での 3D 軌道予測を実現します。
さらに、マルチオブジェクト追跡の結果を使用して動的ポイントを削除し、SLAM パフォーマンスと静的マップを向上させることで、新しい動的 SLAM を実現します。
提案された複数の物体追跡および予測システムの有効性を検証するために、いくつかのシミュレーションと物理実験が行われます。
結果は、提案されたシステムが動的オブジェクトを追跡し、将来の軌道とよりクリーンな静的マップをリアルタイムで提供できることを示しています。

要約(オリジナル)

Multi-object tracking (MOT) has important applications in monitoring, logistics, and other fields. This paper develops a real-time multi-object tracking and prediction system in rugged environments. A 3D object detection algorithm based on Lidar-camera fusion is designed to detect the target objects. Based on the Hungarian algorithm, this paper designs a 3D multi-object tracking algorithm with an adaptive threshold to realize the stable matching and tracking of the objects. We combine Memory Augmented Neural Networks (MANN) and Kalman filter to achieve 3D trajectory prediction on rugged terrains. Besides, we realize a new dynamic SLAM by using the results of multi-object tracking to remove dynamic points for better SLAM performance and static map. To verify the effectiveness of the proposed multi-object tracking and prediction system, several simulations and physical experiments are conducted. The results show that the proposed system can track dynamic objects and provide future trajectory and a more clean static map in real-time.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google