基于激光雷达3D多目标追踪

无人驾驶中的目标检测分为2D目标检测和3D目标检测，2D目标检测常用的模型是YOLO模型，这篇文章介绍的是无人驾驶中基于激光雷达的3D目标追踪论文，使用的数据集是KITTI数据集，目标检测算法是POINTRCNN。该3D多目标追踪系统不需要GPU且取得了最快处理速度（214.7FPS）
论文地址：A Baseline for 3D Multi-Object Tracking
Github地址：https://github.com/xinshuoweng/AB3DMOT

1.概述
在自动驾驶或辅助机器人等实时应用中，3D多目标追踪（MOT）都是非常重要的组件技术。然而，在近期的一些3D多目标追踪研究当中更多的都是关注于追踪系统的准确率而忽略了其计算成本和复杂性。在本文中提出了一种简单而又准确的实时3D MOT基线系统。**本文使用了已有的3D目标检测器从LiDAR点云数据中获取对应目标3D bounding box。 然后，将3D卡尔曼滤波器和匈牙利算法结合起来用于状态估计和数据关联。**为了评估提出的基线系统，本文在原有的KITTI官方2D MOT评估指标上进行了扩展，提出了3D MOT评价指标，此外还提出了两个新的评价指标。本文主要贡献有：

• 提出了一种简单而又准确的实时3D MOT基线系统；
• 对KITTI官方2D MOT评价指标进行扩展，提出了3D MOT评价指标并予以实现；
• 提出了两个新的3D MOT评价指标；
• 在KITTI评价工具上获得了最优的3D MOT性能，