BiTrack: Bidirectional Offline 3D Multi-Object Tracking Using Camera-LiDAR Data

要約

リアルタイムマルチオブジェクトトラッキング（MOT）と比較して、オフラインのマルチオブジェクト追跡（OMOT）は、2D-3D検出融合、誤ったリンク補正、およびフルトラックの最適化を実行することに利点がありますが、境界ボックスの不整合と追跡評価、編集、および改良による課題に対処する必要があります。
このペーパーでは、カメラライダーデータから最適な追跡結果を達成するために、2D-3D検出融合、初期軌道生成、および双方向の軌道の再最適化のモジュールを含む3D OMOTフレームワーク「Bitrack」を提案します。
この論文の斬新さには、3つの倍率が含まれます。（1）密度ベースの類似性メトリックを使用して2D-3D検出結果の正確な融合を実現するポイントレベルオブジェクト登録手法の開発。
（2）頂点ベースの類似性メトリックと虚偽のアラーム除去およびトラックリカバリメカニズムを利用して、信頼できる双方向オブジェクトの軌跡を生成する一連のデータ関連および追跡管理スキルの開発。
（3）異なる忠実さのトラックフラグメントを貪欲に再編成する軌跡の再最適化スキームの開発と、各軌道を完了とスムージングテクニックで改良します。
Kittiデータセットの実験結果は、Bitrackが正確さと効率の観点から3D OMOTタスクの最先端のパフォーマンスを達成することを示しています。

要約(オリジナル)

Compared with real-time multi-object tracking (MOT), offline multi-object tracking (OMOT) has the advantages to perform 2D-3D detection fusion, erroneous link correction, and full track optimization but has to deal with the challenges from bounding box misalignment and track evaluation, editing, and refinement. This paper proposes ‘BiTrack’, a 3D OMOT framework that includes modules of 2D-3D detection fusion, initial trajectory generation, and bidirectional trajectory re-optimization to achieve optimal tracking results from camera-LiDAR data. The novelty of this paper includes threefold: (1) development of a point-level object registration technique that employs a density-based similarity metric to achieve accurate fusion of 2D-3D detection results; (2) development of a set of data association and track management skills that utilizes a vertex-based similarity metric as well as false alarm rejection and track recovery mechanisms to generate reliable bidirectional object trajectories; (3) development of a trajectory re-optimization scheme that re-organizes track fragments of different fidelities in a greedy fashion, as well as refines each trajectory with completion and smoothing techniques. The experiment results on the KITTI dataset demonstrate that BiTrack achieves the state-of-the-art performance for 3D OMOT tasks in terms of accuracy and efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google