OptiPMB: Enhancing 3D Multi-Object Tracking with Optimized Poisson Multi-Bernoulli Filtering

要約

複雑な環境での堅牢な知覚、ナビゲーション、および計画を可能にするため、自律運転には正確な3Dマルチオブジェクト追跡（MOT）が重要です。
ディープラーニングベースのソリューションは印象的な3D MOTパフォーマンスを実証していますが、モデルベースのアプローチは、そのシンプルさ、解釈可能性、データ効率に魅力的です。
従来のモデルベースのトラッカーは、通常、追跡ごと（TBD）フレームワーク内のランダムベクターベースのベイジアンフィルターに依存していますが、ヒューリスティックデータ関連と追跡管理スキームにより、直面しています。
対照的に、ランダム有限セット（RFS）ベースのベイジアンフィルタリングは、理論的に健全な方法でオブジェクトの出生、生存、および死を処理し、解釈可能性とパラメーターチューニングを促進します。
このホワイトペーパーでは、TBDフレームワークにいくつかの主要な革新的なデザインを組み込んでいる間、最適化されたPoisson Multi-Bernoulli（PMB）フィルターを使用する新しいRFSベースの3D MOTメソッドであるOptipmbを紹介します。
具体的には、測定駆動型のハイブリッド適応型出生モデルを改善したトラックの初期化、適応検出確率パラメーターを使用して、閉塞されたオブジェクトのトラックを効果的に維持し、密度剪定とトラック抽出モジュールを最適化して、全体的な追跡パフォーマンスをさらに強化します。
ヌスケンとキッティデータセットに関する広範な評価は、OptIPMBが最先端の方法と比較して優れた追跡精度を達成し、それによりモデルベースの3D MOTの新しいベンチマークを確立し、自律運転におけるRFSベースのトラッカーに関する将来の研究に貴重な洞察を提供することを示しています。

要約(オリジナル)

Accurate 3D multi-object tracking (MOT) is crucial for autonomous driving, as it enables robust perception, navigation, and planning in complex environments. While deep learning-based solutions have demonstrated impressive 3D MOT performance, model-based approaches remain appealing for their simplicity, interpretability, and data efficiency. Conventional model-based trackers typically rely on random vector-based Bayesian filters within the tracking-by-detection (TBD) framework but face limitations due to heuristic data association and track management schemes. In contrast, random finite set (RFS)-based Bayesian filtering handles object birth, survival, and death in a theoretically sound manner, facilitating interpretability and parameter tuning. In this paper, we present OptiPMB, a novel RFS-based 3D MOT method that employs an optimized Poisson multi-Bernoulli (PMB) filter while incorporating several key innovative designs within the TBD framework. Specifically, we propose a measurement-driven hybrid adaptive birth model for improved track initialization, employ adaptive detection probability parameters to effectively maintain tracks for occluded objects, and optimize density pruning and track extraction modules to further enhance overall tracking performance. Extensive evaluations on nuScenes and KITTI datasets show that OptiPMB achieves superior tracking accuracy compared with state-of-the-art methods, thereby establishing a new benchmark for model-based 3D MOT and offering valuable insights for future research on RFS-based trackers in autonomous driving.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google