基于目标检测和场景流估计联合优化的3D多目标跟踪

创建时间:2024-12-09 14:20
 

源自:机器人

作者:王光明, 宋亮, 沈玥伶, 王贺升.

 

大多数3D多目标跟踪方法独立优化目标检测和帧间数据关联部分, 没有考虑单帧的特征学习和帧间关联学习的耦合性。为了实现单帧检测和帧间关联的耦合学习, 提出了一种基于目标检测和场景流估计联合优化的3D多目标跟踪框架FlowDet-Track。在该框架中, 提出了一个检测引导场景流估计模块来缓解不正确的帧间关联。为了获得更准确的场景流标签, 特别是在旋转运动的情况下, 提出了一种基于框变换的场景流真值计算方法。在KITTI MOT数据集上的实验结果表明, 本文算法的车辆类别HOTA与DetA指标比PointTrackNet算法提升了25.03%和30.8%, 表明本文算法的位置跟踪精度优异; 此外, 极端旋转运动条件下的对比实验进一步证明了算法的鲁棒性。

 

关键词

 

多目标跟踪  /  场景流  /  目标检测 

1   提出的方法

 
 
 
 
 
 
 
 
 
 
 

 

 

 

 

2   实验结果与讨论

 
 
 
 

3  结论

声明:公众号转载的文章及图片出于非商业性的教育和科研目的供大家参考和探讨,并不意味着支持其观点或证实其内容的真实性。版权归原作者所有,如转载稿涉及版权等问题,请立即联系我们删除。

 
 
 

扫描二维码

报名相应课程

浏览量:0
收藏