RobMOT: Robust 3D Multi-Object Tracking by Observational Noise and State Estimation Drift Mitigation on LiDAR PointCloud

要約

この研究では、検出による追跡パラダイムに従う現在の最先端の 3D マルチオブジェクト追跡 (MOT) 手法における継承された制限、特に取得された LiDAR 点群ストリーム内の長く遮蔽されたオブジェクトの軌道推定ドリフトに対処しています。
自動運転車によって。
さらに、トラックの正当性が適切に検証されないと、ゴースト トラックが蓄積されてしまいます。
これらの問題に取り組むために、私たちは 2 つの革新を導入しました。
まず、軌道ドリフトノイズの軽減を強化するカルマンフィルターの改良を提案します。これにより、遮蔽されたオブジェクトのよりロバストな状態推定が可能になります。
次に、正規のトラックとゴーストトラックを区別するための新しいオンライントラック有効性メカニズムを、受信観測に対する多段階の観測ゲートプロセスと組み合わせて提案します。
このメカニズムにより、ゴースト トラックが最大 80\% 減少し、HOTA が 7\% 改善されます。
したがって、私たちはオンライン 3D MOT フレームワークである RobMOT を提案します。これは、MOTA では最大 3.28\%、MOTA では最大 2.36\% のマージンを持ち、さまざまな検出器にわたって、深層学習アプローチを含む最高のパフォーマンスを誇る最先端の手法よりも優れたパフォーマンスを示します。
ホタでは%。
RobMOT は、長時間のオクルージョンや遠くのオブジェクトの追跡などの困難な条件下で優れており、処理遅延が最大 59\% 向上します。

要約(オリジナル)

This work addresses the inherited limitations in the current state-of-the-art 3D multi-object tracking (MOT) methods that follow the tracking-by-detection paradigm, notably trajectory estimation drift for long-occluded objects in LiDAR point cloud streams acquired by autonomous cars. In addition, the absence of adequate track legitimacy verification results in ghost track accumulation. To tackle these issues, we introduce a two-fold innovation. Firstly, we propose refinement in Kalman filter that enhances trajectory drift noise mitigation, resulting in more robust state estimation for occluded objects. Secondly, we propose a novel online track validity mechanism to distinguish between legitimate and ghost tracks combined with a multi-stage observational gating process for incoming observations. This mechanism substantially reduces ghost tracks by up to 80\% and improves HOTA by 7\%. Accordingly, we propose an online 3D MOT framework, RobMOT, that demonstrates superior performance over the top-performing state-of-the-art methods, including deep learning approaches, across various detectors with up to 3.28\% margin in MOTA and 2.36\% in HOTA. RobMOT excels under challenging conditions, such as prolonged occlusions and the tracking of distant objects, with up to 59\% enhancement in processing latency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google