【目标跟踪】基于因子图的点云3D多目标跟踪方法，在KITTI跟踪数据集性能SOTA！

获取完整原文和代码，公众号回复：09070407530

论文地址： https://arxiv.org/pdf/2008.05309.pdf

代码： 公众号回复：09070407530

来源： 肯梅尼兹大学

论文名称：Factor Graph based 3D Multi-Object Tracking in Point Clouds

原文作者：Johannes Pöschmann

内容提要

准确可靠地跟踪3D空间中的多个运动目标是城市场景理解的重要组成部分。这是一项具有挑战性的任务，因为它要求将当前帧中的检测分配给前一帧中的预测对象。如果初始赋值不正确，现有的基于过滤器的方法往往会遇到困难。我们提出了一种新的优化方法，它不依赖于明确和固定的赋值。我们将一个现成的3D物体探测器的结果表示为高斯混合模型，合并在一个因子图框架中。这使得能够灵活的同时分配所有检测到的对象。采用非线性最小二乘优化方法，与3D空间多目标状态估计相结合，解决了分配问题。该算法虽然简单，但具有鲁棒性和可靠性，既可用于离线跟踪，也可用于在线跟踪。我们在真实的KITTI跟踪数据集上演示了它的性能，并取得了比许多最先进的算法更好的结果。尤其是估计轨迹的一致性在离线和在线情况下都是优越的。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。