Multi-Object Tracking with Camera-LiDAR Fusion for Autonomous Driving

要約

この論文では、カメラと LiDAR データを組み合わせた、自動運転車向けの新しいマルチモーダル マルチオブジェクト追跡 (MOT) アルゴリズムを紹介します。
カメラ フレームは最先端の 3D 物体検出器で処理され、LiDAR 観測の処理には古典的なクラスタリング技術が使用されます。
提案された MOT アルゴリズムは、3 ステップの関連付けプロセス、検出された各動的障害物の動きを推定するための拡張カルマン フィルター、および追跡管理フェーズで構成されます。
EKF 運動モデルは、入力として、観測対象の現在測定された相対位置と方向、および自車両の縦速度と角速度を必要とします。
ほとんどの最先端のマルチモーダル MOT アプローチとは異なり、提案されたアルゴリズムはマップや自我のグローバル ポーズの知識に依存しません。
さらに、カメラ専用の3D検出器を使用しており、使用するLiDARセンサーの種類に依存しません。
このアルゴリズムはシミュレーションと実世界のデータの両方で検証され、満足のいく結果が得られます。

要約(オリジナル)

This paper presents a novel multi-modal Multi-Object Tracking (MOT) algorithm for self-driving cars that combines camera and LiDAR data. Camera frames are processed with a state-of-the-art 3D object detector, whereas classical clustering techniques are used to process LiDAR observations. The proposed MOT algorithm comprises a three-step association process, an Extended Kalman filter for estimating the motion of each detected dynamic obstacle, and a track management phase. The EKF motion model requires the current measured relative position and orientation of the observed object and the longitudinal and angular velocities of the ego vehicle as inputs. Unlike most state-of-the-art multi-modal MOT approaches, the proposed algorithm does not rely on maps or knowledge of the ego global pose. Moreover, it uses a 3D detector exclusively for cameras and is agnostic to the type of LiDAR sensor used. The algorithm is validated both in simulation and with real-world data, with satisfactory results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google