論文の概要: Multi-Object Tracking using Poisson Multi-Bernoulli Mixture Filtering
for Autonomous Vehicles
- arxiv url: http://arxiv.org/abs/2103.07783v1
- Date: Sat, 13 Mar 2021 20:24:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-16 13:46:42.811156
- Title: Multi-Object Tracking using Poisson Multi-Bernoulli Mixture Filtering
for Autonomous Vehicles
- Title（参考訳）: Poisson Multi-Bernoulli Mixture Filtering を用いた多対象追跡
- Authors: Su Pang and Hayder Radha
- Abstract要約: 自動運転車が3Dトラッキングを行う能力は、散らかった環境における安全な計画とナビゲーションに不可欠である。
自動運転アプリケーションにおけるマルチオブジェクトトラッキング(MOT)の主な課題は、オブジェクトの数、オブジェクトの出現および消失の時期および場所、およびオブジェクトの状態に関する不確実性に関する固有の不確実性にあります。
本研究では、3D LiDARデータのためのRFSベースのMOTフレームワークを開発した。
本稿では、自律運転アプリケーションにおけるアモーダルMOT問題を解決するために、Poisson Multi-Bernoulli混合フィルタを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The ability of an autonomous vehicle to perform 3D tracking is essential for
safe planing and navigation in cluttered environments. The main challenges for
multi-object tracking (MOT) in autonomous driving applications reside in the
inherent uncertainties regarding the number of objects, when and where the
objects may appear and disappear, and uncertainties regarding objects' states.
Random finite set (RFS) based approaches can naturally model these
uncertainties accurately and elegantly, and they have been widely used in
radar-based tracking applications. In this work, we developed an RFS-based MOT
framework for 3D LiDAR data. In partiuclar, we propose a Poisson
multi-Bernoulli mixture (PMBM) filter to solve the amodal MOT problem for
autonomous driving applications. To the best of our knowledge, this represents
a first attempt for employing an RFS-based approach in conjunction with 3D
LiDAR data for MOT applications with comprehensive validation using challenging
datasets made available by industry leaders. The superior experimental results
of our PMBM tracker on public Waymo and Argoverse datasets clearly illustrate
that an RFS-based tracker outperforms many state-of-the-art deep learning-based
and Kalman filter-based methods, and consequently, these results indicate a
great potential for further exploration of RFS-based frameworks for 3D MOT
applications.
- Abstract（参考訳）: 自動運転車が3Dトラッキングを行う能力は、散らかった環境における安全な計画とナビゲーションに不可欠である。
自動運転アプリケーションにおけるマルチオブジェクトトラッキング(MOT)の主な課題は、オブジェクトの数、オブジェクトの出現および消失の時期および場所、およびオブジェクトの状態に関する不確実性に関する固有の不確実性にあります。
ランダム有限集合(RFS)に基づくアプローチは、これらの不確実性を正確かつエレガントにモデル化することができる。
本研究では、3D LiDARデータのためのRFSベースのMOTフレームワークを開発した。
本稿では,自動走行アプリケーションにおけるアモーダルMOT問題を解決するため,Poisson Multi-Bernoulli Mixing (PMBM)フィルタを提案する。
私たちの知る限りでは、これは業界リーダーが利用できる挑戦的なデータセットを使用して包括的な検証とMOTアプリケーションの3D LiDARデータと一緒にRFSベースのアプローチを採用するための最初の試みです。
公開WaymoおよびArgoverseデータセット上でのPMBMトラッカーの優れた実験結果から、RFSベースのトラッカーは最先端のディープラーニングベースおよびカルマンフィルタベースの多くの手法より優れており、これらの結果は、RFSベースの3DMOTアプリケーションのためのフレームワークをさらに探究する大きな可能性を示唆している。
関連論文リスト
- Multi-Object Tracking with Camera-LiDAR Fusion for Autonomous Driving [0.764971671709743]
提案したMOTアルゴリズムは、3段階のアソシエーションプロセスと、検出された動的障害物の運動を推定する拡張カルマンフィルタと、トラック管理フェーズとを備える。
多くの最先端のマルチモーダルMOTアプローチとは異なり、提案アルゴリズムはエゴのグローバルなポーズの地図や知識に依存しない。
このアルゴリズムはシミュレーションと実世界のデータの両方で検証され、良好な結果が得られる。
論文 参考訳（メタデータ） (2024-03-06T23:49:16Z) - HUM3DIL: Semi-supervised Multi-modal 3D Human Pose Estimation for
Autonomous Driving [95.42203932627102]
3Dの人間のポーズ推定は、自動運転車が歩行者の微妙で複雑な振る舞いを知覚し理解できるようにする新しい技術である。
提案手法は,これらの補完信号を半教師付き方式で効率的に利用し,既存の手法よりも大きなマージンで性能を向上する。
具体的には、LiDAR点を画素整列マルチモーダル特徴に埋め込み、トランスフォーマーの精細化段階を経る。
論文 参考訳（メタデータ） (2022-12-15T11:15:14Z) - aiMotive Dataset: A Multimodal Dataset for Robust Autonomous Driving
with Long-Range Perception [0.0]
このデータセットは、同期して校正されたLiDAR、カメラ、および360度の視野をカバーするレーダーセンサーを備えた176のシーンで構成されている。
収集したデータは、昼間、夜、雨の間に、高速道路、都市、郊外で撮影された。
我々は3次元物体検出のための一次元・多モードベースラインモデルを訓練した。
論文 参考訳（メタデータ） (2022-11-17T10:19:59Z) - CAMO-MOT: Combined Appearance-Motion Optimization for 3D Multi-Object
Tracking with Camera-LiDAR Fusion [34.42289908350286]
3D Multi-object Track (MOT) は、連続的な動的検出時の一貫性を保証する。
LiDAR法で物体の不規則な動きを正確に追跡することは困難である。
複合外観運動最適化(CAMO-MOT)に基づく新しいカメラ-LiDAR融合3DMOTフレームワークを提案する。
論文 参考訳（メタデータ） (2022-09-06T14:41:38Z) - GNN-PMB: A Simple but Effective Online 3D Multi-Object Tracker without
Bells and Whistles [5.412903717011731]
多目的追跡(MOT)は、高度運転支援システム(ADAS)および自律運転システム(AD)において重要な応用である。
MOTのほとんどのソリューションは、GNN(Global Near neighbor)のようなランダムなベクトルベイズフィルタとルールベースのデータセットトラックのメンテナンスに基づいている。
RFSベイズフィルタは、最近ADASおよびADシステムのMOTタスクに応用されているが、計算コストと実装の複雑さのため、実際のトラフィックにおけるそれらの有用性は疑わしい。
論文 参考訳（メタデータ） (2022-06-21T11:01:49Z) - Benchmarking the Robustness of LiDAR-Camera Fusion for 3D Object
Detection [58.81316192862618]
自律運転における3D知覚のための2つの重要なセンサーは、カメラとLiDARである。
これら2つのモダリティを融合させることで、3次元知覚モデルの性能を大幅に向上させることができる。
我々は、最先端の核融合法を初めてベンチマークした。
論文 参考訳（メタデータ） (2022-05-30T09:35:37Z) - Know Your Surroundings: Panoramic Multi-Object Tracking by Multimodality
Collaboration [56.01625477187448]
MMPAT(MultiModality PAnoramic Multi-object Tracking framework)を提案する。
2次元パノラマ画像と3次元点雲を入力とし、マルチモーダルデータを用いて目標軌道を推定する。
提案手法は,検出タスクと追跡タスクの両方においてMMPATが最高性能を達成するJRDBデータセット上で評価する。
論文 参考訳（メタデータ） (2021-05-31T03:16:38Z) - 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) - Probabilistic 3D Multi-Modal, Multi-Object Tracking for Autonomous
Driving [22.693895321632507]
異なる訓練可能なモジュールからなる確率的、マルチモーダル、マルチオブジェクトトラッキングシステムを提案する。
本手法はNuScenes Trackingデータセットの現在の状態を上回っていることを示した。
論文 参考訳（メタデータ） (2020-12-26T15:00:54Z) - siaNMS: Non-Maximum Suppression with Siamese Networks for Multi-Camera
3D Object Detection [65.03384167873564]
サイムズネットワークは、よく知られた3Dオブジェクト検出器アプローチのパイプラインに統合される。
アソシエーションはオブジェクトの3Dボックスレグレッションを強化するために利用される。
nuScenesデータセットの実験的評価は,提案手法が従来のNMS手法よりも優れていることを示している。
論文 参考訳（メタデータ） (2020-02-19T15:32:38Z)
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。