3D多目标跟踪：Easy-Poly: A Easy Polyhedral Framework For 3D Multi-Object Tracking

本文链接：https://blog.csdn.net/Qing__er/article/details/145920354

论文作者：Peng Zhang,Xin Li,Xin Lin,Liang He

作者单位：East China Normal University;Shanghai Jiao Tong University;

内容简介：

1）方向：3D多目标跟踪

2）应用：3D多目标跟踪

3）背景：近年来，3D多目标跟踪（3D MOT）的研究多依赖于跟踪-by-检测的管道。然而，这些方法常忽视在3D检测过程中的潜在增强，导致在复杂场景下出现高误检率（FP）、漏检率（FN）和身份切换（IDS）。此外，数据预处理、关联机制、运动建模和生命周期管理的局限性，限制了整体跟踪的鲁棒性。

4）方法：为了解决这些问题，提出了一种名为Easy-Poly的实时滤波器基础3D MOT框架，适用于多种目标类别。其创新贡献包括：（1）增强型提议生成器（Augmented Proposal Generator），利用多模态数据增强和精细化的SpConv操作，显著提升了nuScenes数据集上的mAP和NDS；（2）动态跟踪导向（DTO）数据关联算法，通过最优分配和多假设处理，有效管理不确定性和遮挡；（3）动态运动建模（DMM），结合信心加权的卡尔曼滤波器和自适应噪声协方差，在复杂条件下提高了MOTA和AMOTA；（4）扩展的生命周期管理系统，通过调整阈值减少身份切换和错误终止。

5）结果：实验结果表明，Easy-Poly在3D多目标跟踪任务中显著优于现有最先进的方法，如Poly-MOT和Fast-Poly，取得了mAP（例如，从63.30%提升到64.96%）和AMOTA（例如，从73.1%提升到74.5%）的显著提升，同时实现了实时运行。这些结果凸显了Easy-Poly在多种场景中的适应性和鲁棒性，使其成为自动驾驶等3D MOT应用的有力选择。