論文の概要: Towards Accurate State Estimation: Kalman Filter Incorporating Motion Dynamics for 3D Multi-Object Tracking

• arxiv url: http://arxiv.org/abs/2505.07254v1
• Date: Mon, 12 May 2025 06:09:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:49.27087
• Title: Towards Accurate State Estimation: Kalman Filter Incorporating Motion Dynamics for 3D Multi-Object Tracking
• Title（参考訳）: 正確な状態推定に向けて:3次元多物体追跡のための運動ダイナミクスを取り入れたカルマンフィルタ
• Authors: Mohamed Nagy, Naoufel Werghi, Bilal Hassan, Jorge Dias, Majid Khonji,
• Abstract要約: 本研究は、3次元多対象追跡(MOT)のためのカルマンフィルタにおける状態推定の精度の欠如に対処する。 既存の文献は、各物体に特有の複雑な運動力学を無視し、物体の状態の推定に一定の運動モデルに依存するのが一般的である。 この研究は、運動力学を取り入れたカルマンフィルタの新たな定式化を導入し、運動モデルが物体の動きの変化に応じて適応的に調整できるようにする。
• 参考スコア（独自算出の注目度）: 11.111388829965103
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work addresses the critical lack of precision in state estimation in the Kalman filter for 3D multi-object tracking (MOT) and the ongoing challenge of selecting the appropriate motion model. Existing literature commonly relies on constant motion models for estimating the states of objects, neglecting the complex motion dynamics unique to each object. Consequently, trajectory division and imprecise object localization arise, especially under occlusion conditions. The core of these challenges lies in the limitations of the current Kalman filter formulation, which fails to account for the variability of motion dynamics as objects navigate their environments. This work introduces a novel formulation of the Kalman filter that incorporates motion dynamics, allowing the motion model to adaptively adjust according to changes in the object's movement. The proposed Kalman filter substantially improves state estimation, localization, and trajectory prediction compared to the traditional Kalman filter. This is reflected in tracking performance that surpasses recent benchmarks on the KITTI and Waymo Open Datasets, with margins of 0.56\% and 0.81\% in higher order tracking accuracy (HOTA) and multi-object tracking accuracy (MOTA), respectively. Furthermore, the proposed Kalman filter consistently outperforms the baseline across various detectors. Additionally, it shows an enhanced capability in managing long occlusions compared to the baseline Kalman filter, achieving margins of 1.22\% in higher order tracking accuracy (HOTA) and 1.55\% in multi-object tracking accuracy (MOTA) on the KITTI dataset. The formulation's efficiency is evident, with an additional processing time of only approximately 0.078 ms per frame, ensuring its applicability in real-time applications.
• Abstract（参考訳）: 本研究は、3次元多対象追跡(MOT)のためのカルマンフィルタにおける状態推定における精度の欠如と、適切な動きモデルを選択することの継続的な課題に対処する。 既存の文献は、各物体に特有の複雑な運動力学を無視し、物体の状態の推定に一定の運動モデルに依存するのが一般的である。 その結果、特に閉塞条件下では、軌道分割と不正確な物体の局在が生じる。 これらの課題の中核は、現在のカルマンフィルタの定式化の限界にある。 この研究は、運動力学を取り入れたカルマンフィルタの新たな定式化を導入し、運動モデルが物体の動きの変化に応じて適応的に調整できるようにする。 提案したカルマンフィルタは,従来のカルマンフィルタと比較して,状態推定,局所化,軌道予測を大幅に改善する。 これは、KITTIとWaymo Open Datasetsの最近のベンチマークを上回り、それぞれ高次追跡精度(HOTA)とマルチオブジェクト追跡精度(MOTA)の0.56\%と0.81\%のマージンを持つトラッキングパフォーマンスに反映されている。 さらに、提案したカルマンフィルタは、様々な検出器間のベースラインを一貫して上回る。 さらに、KITTIデータセット上で、高次追跡精度(HOTA)で1.22\%、多目的追跡精度(MOTA)で1.55\%のマージンを達成した。 この定式化の効率は明らかであり、追加の処理時間は1フレームあたり0.078msであり、リアルタイムアプリケーションに適用可能であることを保証している。

関連論文リスト

• Event-Based Tracking Any Point with Motion-Augmented Temporal Consistency [58.719310295870024]
  本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。 出来事の空間的空間性や動きの感度によって引き起こされる課題に対処する。 競合モデルパラメータによる処理を150%高速化する。
  論文  参考訳（メタデータ） (2024-12-02T09:13:29Z)
• DATAP-SfM: Dynamic-Aware Tracking Any Point for Robust Structure from Motion in the Wild [85.03973683867797]
  本稿では,スムーズなカメラ軌跡を推定し,野生のカジュアルビデオのための高密度点雲を得るための,簡潔でエレガントでロバストなパイプラインを提案する。 提案手法は,複雑な動的課題シーンにおいても,カメラポーズ推定による最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-11-20T13:01:16Z)
• Motion-adaptive Separable Collaborative Filters for Blind Motion Deblurring [71.60457491155451]
  様々な動きによって生じる画像のぼかしを除去することは、難しい問題である。 本研究では,動き適応型分離型協調フィルタと呼ばれる実世界のデブロアリングフィルタモデルを提案する。 本手法は,実世界の動きのぼかし除去に有効な解法を提供し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-04-19T19:44:24Z)
• MambaMOT: State-Space Model as Motion Predictor for Multi-Object Tracking [23.547018300192065]
  本稿では,カルマンフィルタを学習に基づく運動モデルに置き換える可能性について検討する。 MambaMOTとMambaMOT+は、DanceTrackやSportsMOTといったMOTデータセットに挑戦する高度なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2024-03-16T06:26:52Z)
• AM-SORT: Adaptable Motion Predictor with Historical Trajectory Embedding for Multi-Object Tracking [26.585985828583304]
  我々は,非線形不確かさを推定するために適応性のある動き予測器AM-SORTを用いた動きに基づくMOT手法を提案する。 AM-SORTは、カルマンフィルタに取って代わるSORTシリーズトラッカーの新たな拡張である。
  論文  参考訳（メタデータ） (2024-01-25T05:09:30Z)
• Iterative Scale-Up ExpansionIoU and Deep Features Association for Multi-Object Tracking in Sports [26.33239898091364]
  本稿では,スポーツシナリオに対するDeep ExpansionIoU (Deep-EIoU) という,オンラインかつ堅牢な多対象追跡手法を提案する。 従来の手法とは異なり、カルマンフィルタの使用を放棄し、スポーツシナリオにおける拡張IoUの反復的なスケールアップと深い特徴を活用して、ロバストなトラッキングを行う。 提案手法は,SportsMOTデータセットで77.2%,SportsNet-Trackingデータセットで85.4%を達成し,不規則な動き物体の追跡に顕著な効果を示した。
  論文  参考訳（メタデータ） (2023-06-22T17:47:08Z)
• MotionTrack: Learning Motion Predictor for Multiple Object Tracking [68.68339102749358]
  本研究では,学習可能なモーション予測器を中心に,新しいモーショントラッカーであるMotionTrackを紹介する。 実験結果から、MotionTrackはDancetrackやSportsMOTといったデータセット上での最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-06-05T04:24:11Z)
• Adaptive Multi-source Predictor for Zero-shot Video Object Segmentation [68.56443382421878]
  ゼロショットビデオオブジェクトセグメンテーション(ZVOS)のための新しい適応型マルチソース予測器を提案する。 静的オブジェクト予測器では、RGBソースは、同時に深度および静注ソースに変換される。 実験の結果,提案モデルは3つのZVOSベンチマークにおいて最先端の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-03-18T10:19:29Z)
• Particle-Based Score Estimation for State Space Model Learning in Autonomous Driving [62.053071723903834]
  マルチオブジェクト状態推定はロボットアプリケーションの基本的な問題である。 粒子法を用いて最大形パラメータを学習することを検討する。 自動運転車から収集した実データに本手法を適用した。
  論文  参考訳（メタデータ） (2022-12-14T01:21:05Z)

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。