以下內(nèi)容來(lái)自從零開(kāi)始機(jī)器人SLAM知識(shí)星球 每日更新內(nèi)容

點(diǎn)擊領(lǐng)取學(xué)習(xí)資料 → 機(jī)器人SLAM學(xué)習(xí)資料大禮包

#論文# DirectTracker: 3D Multi-Object Tracking Using Direct Image Alignment and Photometric Bundle Adjustment

論文地址：https://arxiv.org/abs/2209.14965

作者單位：慕尼黑工業(yè)大學(xué)

項(xiàng)目頁(yè)面：https://vision.in.tum.de/research/vslam/directtracker

? ?直接法在視覺(jué)里程計(jì)和SLAM的應(yīng)用中表現(xiàn)出了優(yōu)異的性能。在這項(xiàng)工作中，我們提出利用它們的有效性來(lái)完成3D多目標(biāo)跟蹤任務(wù)。為此，我們提出了DirectTracker框架，該框架有效地結(jié)合了用于短期跟蹤的直接圖像對(duì)齊和用于3D目標(biāo)檢測(cè)的滑動(dòng)窗口光度BA。本方案基于稀疏滑動(dòng)窗口點(diǎn)云進(jìn)行估計(jì)，并使用基于優(yōu)化的代價(jià)函數(shù)進(jìn)一步細(xì)化，該代價(jià)函數(shù)結(jié)合3D和2D特征以確保圖像和世界空間的一致性。我們提出使用最近引入的高階跟蹤精度(HOTA)度量和廣義交集優(yōu)先于并集相似性度量來(lái)評(píng)估3D跟蹤。我們對(duì)Kitti中的汽車跟蹤基準(zhǔn)進(jìn)行了評(píng)估，并在2D和3D跟蹤對(duì)象方面展示了具有競(jìng)爭(zhēng)力的性能。

本文貢獻(xiàn)如下：

1、我們提出了一種新的在線MOT方法，有效地檢測(cè)和跟蹤3D汽車; 2、基于最近引入的HOTA指標(biāo)，我們提出改變3D MOT任務(wù)的評(píng)估協(xié)議，將3D GIoU作為其相似度度量，從而公平地評(píng)估基于立體的跟蹤方法的性能; 3、我們對(duì)3D跟蹤進(jìn)行了廣泛的評(píng)估，并在KITTI跟蹤基準(zhǔn)上顯示了具有競(jìng)爭(zhēng)力的結(jié)果。

以上內(nèi)容來(lái)自從零開(kāi)始機(jī)器人SLAM知識(shí)星球 每日更新內(nèi)容