用于3D多目标跟踪的多面体框架实现75.4%的AMOTA

#论文##开源# ROS2023｜哈工大开源 NuScenes Tracking第一名方案Poly-MOT: 用于3D多目标跟踪的多面体框架实现75.4%的AMOTA 【Poly-MOT: A Polyhedral Framework For 3D Multi-Object Tracking】 开源代码：GitHub - lixiaoyu2000/Poly-MOT: Official Repo For ... 文章链接：[2307.16675] Poly-MOT: A Polyhedral Framework For ... 3D多目标跟踪（MOT）使移动机器人能够通过提供周围对象的运动轨迹来完成较好的运动规划和导航任务。然而，现有的3D MOT方法通常使用单一相似性度量和物理模型来执行所有对象的数据关联和状态估计。对于大规模的现代数据集和真实场景，有多种对象类别通常表现出独特的几何特性和运动模式。通过这种方式，这种差异使得各个对象类别在相同标准下表现不同，导致轨迹和检测之间出现错误匹配，危及下游任务（如导航等）的可靠性。 为此，我们提出了Poly-MOT，一种基于检测跟踪框架的高效3D MOT方法，使得跟踪器能够为每个对象类别选择最合适的跟踪标准。具体来说，Poly-MOT利用不同的运动模型来准确描述各种对象类别的不同运动类型。我们还将对象的刚性结构约束引入到特定的运动模型中，以准确描述对象的高度非线性运动。 此外，我们引入了一个两阶段数据关联策略，以确保对象可以从三个自定义度量中找到最优相似性度量，从而减少漏匹配。在NuScenes数据集上，我们提出的方法实现了75.4%的AMOTA，达到了最先进的性能水平