論文の概要: AB3DMOT: A Baseline for 3D Multi-Object Tracking and New Evaluation
Metrics
- arxiv url: http://arxiv.org/abs/2008.08063v1
- Date: Tue, 18 Aug 2020 17:45:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-27 22:26:06.692159
- Title: AB3DMOT: A Baseline for 3D Multi-Object Tracking and New Evaluation
Metrics
- Title(参考訳): ab3dmot: 3次元マルチオブジェクト追跡のためのベースラインと新しい評価指標
- Authors: Xinshuo Weng, Jianren Wang, David Held, Kris Kitani
- Abstract要約: 3Dマルチオブジェクトトラッキング(MOT)は、自律運転のようなアプリケーションに不可欠である。
本研究は,高性能な実時間3次元MOTシステムを提案する。
提案手法は,KITTIデータセット上で強力な3次元MOT性能を実現する。
- 参考スコア(独自算出の注目度): 40.86240077645203
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 3D multi-object tracking (MOT) is essential to applications such as
autonomous driving. Recent work focuses on developing accurate systems giving
less attention to computational cost and system complexity. In contrast, this
work proposes a simple real-time 3D MOT system with strong performance. Our
system first obtains 3D detections from a LiDAR point cloud. Then, a
straightforward combination of a 3D Kalman filter and the Hungarian algorithm
is used for state estimation and data association. Additionally, 3D MOT
datasets such as KITTI evaluate MOT methods in 2D space and standardized 3D MOT
evaluation tools are missing for a fair comparison of 3D MOT methods. We
propose a new 3D MOT evaluation tool along with three new metrics to
comprehensively evaluate 3D MOT methods. We show that, our proposed method
achieves strong 3D MOT performance on KITTI and runs at a rate of $207.4$ FPS
on the KITTI dataset, achieving the fastest speed among modern 3D MOT systems.
Our code is publicly available at http://www.xinshuoweng.com/projects/AB3DMOT.
- Abstract(参考訳): 3Dマルチオブジェクトトラッキング(MOT)は、自律運転のようなアプリケーションに不可欠である。
最近の研究は、計算コストやシステムの複雑さに注意を向けない、正確なシステムの開発に焦点を当てている。
対照的に,本研究では,高性能な実時間3次元MOTシステムを提案する。
このシステムはまず,LiDAR点雲から3次元検出を行う。
次に、3Dカルマンフィルタとハンガリーのアルゴリズムの簡単な組み合わせを用いて状態推定とデータアソシエーションを行う。
さらに,3次元MOT法を公平に比較するために,KITTIなどの3次元MOTデータセットが2次元空間で評価され,標準化された3次元MOT評価ツールが欠落している。
3次元mot法を包括的に評価するための3つの新しい指標とともに,新たな3次元mot評価ツールを提案する。
提案手法は,KITTI上での3D MOT性能を向上し,KITTIデータセット上では207.4ドルのFPSで動作し,現代の3D MOTシステムの中で最速の速度を実現する。
私たちのコードはhttp://www.xinshuoweng.com/projects/AB3DMOTで公開されています。
関連論文リスト
- Weakly Supervised 3D Object Detection via Multi-Level Visual Guidance [81.68608983602581]
本稿では,3次元ラベルを必要とせずに2次元ドメインと3次元ドメイン間の制約を活用できるフレームワークを提案する。
具体的には、LiDARと画像特徴をオブジェクト認識領域に基づいて整列する特徴レベルの制約を設計する。
第二に、出力レベルの制約は、2Dと投影された3Dボックスの推定の重なりを強制するために開発される。
第3に、トレーニングレベルの制約は、視覚データと整合した正確で一貫した3D擬似ラベルを生成することによって利用される。
論文 参考訳(メタデータ) (2023-12-12T18:57:25Z) - Tracking Objects with 3D Representation from Videos [57.641129788552675]
P3DTrackと呼ばれる新しい2次元多目的追跡パラダイムを提案する。
モノクロビデオにおける擬似3Dオブジェクトラベルからの3次元オブジェクト表現学習により,P3DTrackと呼ばれる新しい2次元MOTパラダイムを提案する。
論文 参考訳(メタデータ) (2023-06-08T17:58:45Z) - DeepFusionMOT: A 3D Multi-Object Tracking Framework Based on
Camera-LiDAR Fusion with Deep Association [8.34219107351442]
本稿では,精度と速度の良好なトレードオフを実現するために,カメラ-LiDAR融合型MOT法を提案する。
提案手法は、追跡精度と処理速度の両方の観点から、最先端MOT法に対して明らかな利点を示す。
論文 参考訳(メタデータ) (2022-02-24T13:36:29Z) - Learnable Online Graph Representations for 3D Multi-Object Tracking [156.58876381318402]
3D MOT問題に対する統一型学習型アプローチを提案します。
我々は、完全にトレーニング可能なデータアソシエーションにNeural Message Passing Networkを使用します。
AMOTAの65.6%の最先端性能と58%のIDスウィッチを達成して、公開可能なnuScenesデータセットに対する提案手法のメリットを示す。
論文 参考訳(メタデータ) (2021-04-23T17:59:28Z) - Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。
移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
論文 参考訳(メタデータ) (2021-03-12T15:30:02Z) - A two-stage data association approach for 3D Multi-object Tracking [0.0]
画像に基づくトラッキングを3D環境に適応させる2段階データアソシエーション手法を開発した。
提案手法は,NuScenes 検証セットにおいて0.587 AMOTA を達成し,データアソシエーションのための一段二部マッチングを用いてベースラインより優れる。
論文 参考訳(メタデータ) (2021-01-21T15:50:17Z) - PLUME: Efficient 3D Object Detection from Stereo Images [95.31278688164646]
既存の手法では、2つのステップでこの問題に対処する: 第一深度推定を行い、その深さ推定から擬似LiDAR点雲表現を計算し、3次元空間で物体検出を行う。
この2つのタスクを同一のメトリック空間で統一するモデルを提案する。
提案手法は,既存の手法と比較して推定時間を大幅に削減し,挑戦的なKITTIベンチマークの最先端性能を実現する。
論文 参考訳(メタデータ) (2021-01-17T05:11:38Z) - JRMOT: A Real-Time 3D Multi-Object Tracker and a New Large-Scale Dataset [34.609125601292]
我々は,RGB画像と3Dポイントクラウドの情報を統合し,リアルタイムトラッキング性能を実現する新しい3DMOTシステムJRMOTを提案する。
我々の研究の一環として、新しい大規模2D+3DデータセットとベンチマークであるJRDBデータセットをリリースしました。
提案する3D MOTシステムは,一般的な2DトラッキングKITTIベンチマークにおいて,競合する手法に対する最先端性能を示す。
論文 参考訳(メタデータ) (2020-02-19T19:21:33Z) - RTM3D: Real-time Monocular 3D Detection from Object Keypoints for
Autonomous Driving [26.216609821525676]
最も成功した3D検出器は、3Dバウンディングボックスから2Dボックスへの投射制約を重要な構成要素としている。
画像空間における3次元境界ボックスの9つの視点キーポイントを予測し、3次元空間における3次元視点と2次元視点の幾何学的関係を利用して、次元、位置、方向を復元する。
提案手法は,KITTIベンチマークの最先端性能を達成しつつ,モノクロ画像の3次元検出を行う最初のリアルタイムシステムである。
論文 参考訳(メタデータ) (2020-01-10T08:29:20Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。