Fast-Poly: A Fast Polyhedral Framework For 3D Multi-Object Tracking

要約

3D マルチオブジェクト トラッキング (MOT) は、ロボットの認識に不可欠な、周囲の障害物の安定した包括的な動作状態をキャプチャします。
ただし、現在の 3D トラッカーは、精度と遅延の一貫性に関して問題に直面しています。
この論文では、3D MOT のための高速かつ効果的なフィルターベースの方法である Fast-Poly を提案します。
以前の成果である Poly-MOT を基礎として、Fast-Poly は 3D 空間におけるオブジェクトの回転異方性に対処し、ローカル計算の高密度化を強化し、並列化技術を活用して推論速度と精度を向上させます。
Fast-Poly は、Python 実装を使用した 2 つの大規模な追跡ベンチマークで広範囲にテストされています。
nuScenes データセットでは、Fast-Poly はすべてのメソッド中 75.8% の AMOTA という新しい最先端のパフォーマンスを達成し、個人用 CPU で 34.2 FPS で実行できます。
Waymo データセットでは、Fast-Poly は 63.6% MOTA という優れた精度と優れた推論速度 (35.5 FPS) を示します。
ソース コードは https://github.com/lixiaoyu2000/FastPoly で公開されています。

要約(オリジナル)

3D Multi-Object Tracking (MOT) captures stable and comprehensive motion states of surrounding obstacles, essential for robotic perception. However, current 3D trackers face issues with accuracy and latency consistency. In this paper, we propose Fast-Poly, a fast and effective filter-based method for 3D MOT. Building upon our previous work Poly-MOT, Fast-Poly addresses object rotational anisotropy in 3D space, enhances local computation densification, and leverages parallelization technique, improving inference speed and precision. Fast-Poly is extensively tested on two large-scale tracking benchmarks with Python implementation. On the nuScenes dataset, Fast-Poly achieves new state-of-the-art performance with 75.8% AMOTA among all methods and can run at 34.2 FPS on a personal CPU. On the Waymo dataset, Fast-Poly exhibits competitive accuracy with 63.6% MOTA and impressive inference speed (35.5 FPS). The source code is publicly available at https://github.com/lixiaoyu2000/FastPoly.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google