EagerMOT: センサ融合を用いた3D多物体追跡

多目的追跡（MOT）は、移動ロボットが周囲の物体を3次元空間と時間において局在化することにより、情報に基づいた運動計画とナビゲーションを実現します。既存の手法では、深度センサ（例：LiDAR）を使用して3次元空間内の目標を検出および追跡しますが、信号の疎さのために限られた感測範囲内でのみ機能します。一方、カメラは密集した豊富な視覚信号を提供し、遠くにある物体の局在化にも役立ちますが、画像ドメインに限定されます。本論文では、EagerMOTという単純な追跡手法を提案します。この手法は両方のセンサモダリティから得られるすべての利用可能な物体観測情報を積極的に統合することで、シーン動態の情報に基づいた解釈を得ることを目指しています。画像を使用することで遠方からの物体を識別でき、深度推定値を利用することで物体が深度感測範囲内に入るとすぐに精密な軌道局在化が可能になります。EagerMOTにより、KITTIデータセットとNuScenesデータセットにおける複数のMOTタスクで最先端の結果を達成しました。当該コードは https://github.com/aleksandrkim61/EagerMOT で公開されています。