以下內(nèi)容來自從零開始機器人SLAM知識星球 每日更新內(nèi)容

點擊領(lǐng)取學(xué)習資料 → 機器人SLAM學(xué)習資料大禮包

#論文# DeepFusionMOT: A 3D Multi-Object Tracking Framework Based onCamera-LiDAR Fusion with Deep Association

論文地址：[2202.12100] DeepFusionMOT: A 3D Multi-Object Trac...

作者單位：重慶大學(xué)

開源代碼：GitHub - wangxiyang2022/DeepFusionMOT: Code for RA... ?

在最近的文獻中，一方面，許多三維多目標跟蹤(MOT)的工作都關(guān)注于跟蹤精度而忽略了計算速度，通常通過設(shè)計相當復(fù)雜的代價函數(shù)和特征提取器。另一方面，有些方法過于注重計算速度，而犧牲了跟蹤精度。針對這些問題，本文提出了一種魯棒、快速的基于相機-激光雷達融合的MOT方法，該方法在精度和速度之間取得了良好的平衡?；谙鄼C和激光雷達傳感器的特點，設(shè)計了一種有效的深度關(guān)聯(lián)機制，并將其嵌入到MOT方法中。該關(guān)聯(lián)機制實現(xiàn)了當物體距離較遠且僅被相機檢測到時，在二維域內(nèi)對物體進行疊加;當物體出現(xiàn)在激光雷達視場內(nèi)時，用獲得的三維信息更新二維軌跡，實現(xiàn)了二維和三維軌跡的平滑融合?；诘湫蛿?shù)據(jù)集的大量實驗表明，該方法在跟蹤精度和處理速度方面均優(yōu)于現(xiàn)有的MOT方法。 本文貢獻如下： 1、提出了一種基于相機-激光雷達融合的三維實時跟蹤框架，在典型的跟蹤數(shù)據(jù)集上實現(xiàn)了優(yōu)異的運動性能。 2、提出了一種新的深度關(guān)聯(lián)機制，該機制充分利用了相機和LiDAR的特點。這種機制不涉及任何復(fù)雜的成本函數(shù)或特征提取網(wǎng)絡(luò)，同時有效地融合了2D和3D軌跡。 3、提出的跟蹤框架具有快速的計算速度和易于實時實現(xiàn)。 4、提出的跟蹤框架可以與任意2D和3D檢測器結(jié)合使用，這使得它廣泛適用于各種場景。

以上內(nèi)容來自從零開始機器人SLAM知識星球 每日更新內(nèi)容