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

要約

このペーパーでは、特に正当な軌跡を特定し、カルマンフィルターの状態推定ドリフトを削減する際に、3D追跡による検出方法の制限について説明します。
既存の方法では、したがって、しきい値ベースのフィルタリングを検出スコアに使用します。これは、遠くて閉塞されたオブジェクトで失敗する可能性があり、誤検知につながる可能性があります。
これに取り組むために、新しいトラックの有効性メカニズムとマルチステージ観測ゲーティングプロセスを提案し、ゴーストトラックを大幅に削減し、追跡パフォーマンスを向上させます。
この方法では、2番目の検出器を使用してKitti検証データセットでマルチオブジェクト追跡精度（MOTA）の29.47ドル\％$の改善を実現します。
さらに、洗練されたカルマンフィルター用語はローカリゼーションノイズを減らし、高次追跡精度（HOTA）を4.8 \％$を改善します。
オンラインフレームワークであるRobmotは、複数の検出器にわたって最先端のメソッドを上回り、Kittiテストデータセットで最大3.92 \％$のHOTA改善、検証データセットで$ 8.7 \％$を改善しながら、低いIDスチールスコアを達成します。
Robmotは、挑戦的なシナリオに優れており、遠くのオブジェクトと長期にわたる閉塞を追跡し、Waymo Open Datasetで1.77％\％$ Motaの改善を行い、単一のCPUで顕著な3221 FPSで動作し、リアルタイムのマルチオブジェクト追跡の効率を証明します。

要約(オリジナル)

This paper addresses limitations in 3D tracking-by-detection methods, particularly in identifying legitimate trajectories and reducing state estimation drift in Kalman filters. Existing methods often use threshold-based filtering for detection scores, which can fail for distant and occluded objects, leading to false positives. To tackle this, we propose a novel track validity mechanism and multi-stage observational gating process, significantly reducing ghost tracks and enhancing tracking performance. Our method achieves a $29.47\%$ improvement in Multi-Object Tracking Accuracy (MOTA) on the KITTI validation dataset with the Second detector. Additionally, a refined Kalman filter term reduces localization noise, improving higher-order tracking accuracy (HOTA) by $4.8\%$. The online framework, RobMOT, outperforms state-of-the-art methods across multiple detectors, with HOTA improvements of up to $3.92\%$ on the KITTI testing dataset and $8.7\%$ on the validation dataset, while achieving low identity switch scores. RobMOT excels in challenging scenarios, tracking distant objects and prolonged occlusions, with a $1.77\%$ MOTA improvement on the Waymo Open dataset, and operates at a remarkable 3221 FPS on a single CPU, proving its efficiency for real-time multi-object tracking.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google