Contour Errors: An Ego-Centric Metric for Reliable 3D Multi-Object Tracking

要約

自動運転車などの安全性の高いアプリケーションで、知覚システムの精度と信頼性を確保するために、マルチオブジェクト追跡では信頼できる一致を見つけることが不可欠です。
効果的なマッチングは、知覚エラーを軽減し、オブジェクトの識別を強化し、パフォーマンスと安全性を向上させる追跡を行います。
ただし、2D画像プレーンで効果的な組合（IOU）やセンターポイント距離（CPD）の交差点などの従来の指標は、複雑な3Dシーンで重要な一致を見つけることができないことがよくあります。
この制限に対処するために、機能の観点からシナリオを追跡することに関心のある一致を特定するための自我またはオブジェクト中心のメトリックである輪郭エラー（CES）を導入します。
エゴ車両のフレーム内の境界ボックスを比較することにより、等高線エラーはオブジェクトマッチのより機能的に関連する評価を提供します。
Nuscenesデータセットでの広範な実験は、輪郭エラーが、最先端の2D IOUおよびCPDメトリックにおける一致の信頼性を、追跡ごとの方法に改善することを示しています。
3Dカートラッキングでは、輪郭エラーが、評価段階のIOUと比較して、閉鎖範囲で機能障害（FPS/FNS）を80％、遠い範囲で60％減少させることを示しています。

要約(オリジナル)

Finding reliable matches is essential in multi-object tracking to ensure the accuracy and reliability of perception systems in safety-critical applications such as autonomous vehicles. Effective matching mitigates perception errors, enhancing object identification and tracking for improved performance and safety. However, traditional metrics such as Intersection over Union (IoU) and Center Point Distances (CPDs), which are effective in 2D image planes, often fail to find critical matches in complex 3D scenes. To address this limitation, we introduce Contour Errors (CEs), an ego or object-centric metric for identifying matches of interest in tracking scenarios from a functional perspective. By comparing bounding boxes in the ego vehicle’s frame, contour errors provide a more functionally relevant assessment of object matches. Extensive experiments on the nuScenes dataset demonstrate that contour errors improve the reliability of matches over the state-of-the-art 2D IoU and CPD metrics in tracking-by-detection methods. In 3D car tracking, our results show that Contour Errors reduce functional failures (FPs/FNs) by 80% at close ranges and 60% at far ranges compared to IoU in the evaluation stage.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google