【论文复现】AB3DMOT: A Baseline for 3D Multi-Object Tracking and New Evaluation Metrics

1. 前言

AB3MOT是经典的3D多目标跟踪框架，将2D卡尔曼推广到了3D,并将2D IOU匹配推广到了3D。由于论文的原理基本上与2D相同所以作者在文中没有叙述很多细节，要理解具体实现细节，只能看代码。
项目代码
论文地址

2.环境配置

anaconda 官网下载
KITTI数据集 KITTI这是会发现很大如果简单测试可以先不下载，我是先按照README测试了QuickDemo后，最后测试的完整数据集，因为校园网很贵，或者凌晨下载，凌晨不要钱，总之你如果下载数据集不方便可以跳过继续看。
参考链接1：
ubuntu18.04配置AB3DMOT多目标跟踪算法，详细配置流程–暧昧的呆呆猫

按照官方README一步一步来，遇到问题参考“参考链接1”，最后添加环境变量：

sudo gedit ~/.bashrc
加入
export PYTHONPATH=${PYTHONPATH}:/home/rock/AB3DMOT
export PYTHONPATH=${PYTHONPATH}:/home/rock/AB3DMOT/Xinshuo_PyToolbox
注意rock是我的用户名字，改成你的，还要注意文件夹结构的对应
source ~/.bashrc

3.QuickDemo

此时准备好环境后直接运行QuickDemo会报错，因为文件跟代码存在问题，首先是需要OXTS数据集文件

KITTI官网下载。并在AB3MOT/data/KITTI/目录下新建tracking文件夹，此时提醒你已有文件夹，删除重建好了，因为原始的丢失了

将下载好的文件解压进去，最好使用linux的标准的解压命令Ubuntu 常用解压与压缩命令-蕉叉熵
，有时解压由于编码问题也会出现莫名bug.
你可以看到data目录下有个mini的文件夹，复制里面训练集与测试集的calib与image_02到相应的tracking文件夹下
此时运行README的QuickDemo还是报错，哎（当时我在想不是吧大佬的代码这么多bug!!!），后来我发现读懂代码是复现大佬代码的第一道门槛，嘿嘿
修改代码，

因为mini数据集不全，所以把AB3MOT/AB3MOT_libs/utils.py中验证集的参数改为

为什么呢，看下图，因为复制的mini只有这两个，原始代码是完整KITTI数据集的

此时运行，发现成功了结果在AB3MOT/results/KITTI/pointrcnn_val_H1_thres

分别是图片与视频，由于图片很少所以视频很短，接下来需要下载KITTI数据集，复现长的视频序列。

4.KITTI数据集测试

刚开始你会发现官网让你下载完整数据集，然后看到数据集大小，就劝退了，后来经过细细阅读代码，我发现只需要下载15G的图像数据即可：


并不需要雷达的35GB除非你想可视化点云的。因此我只下载左相机的，一定看清楚左相机，数据集后面也有描述。漫长的等待，其实就是吃了饭的功夫，嘿嘿～
删除tracking中原先的图像数据，解压新的。剩下的跟QuickDemo的命令一样，结果存放位置也一样。

python3 main.py --dataset KITTI --split val --det_name pointrcnn
python3 scripts/post_processing/trk_conf_threshold.py --dataset KITTI --result_sha pointrcnn_val_H1
python3 scripts/post_processing/visualization.py --result_sha pointrcnn_val_H1_thres --split val

打开就是结果的视频了，0001.mp4见复现结果，接下来慢慢研究，嘿嘿

复现结果

tip：markdown图片gif居中小技巧

后缀加入#pic_center