RobMOT: 観測ノイズと状態推定ドリフトを軽減したLiDAR PointCloud上の堅牢な3D多物体追跡

本論文では、3D追跡検出法における制約、特に正当な軌道の特定とカルマンフィルターでの状態推定のドリフト低減に焦点を当てています。既存の方法は、検出スコアに対する閾値ベースのフィルタリングを頻繁に使用しますが、遠隔および遮蔽された物体に対しては失敗する可能性があり、偽陽性を引き起こすことがあります。この問題に対処するために、我々は新しいトラック有効性メカニズムと多段観測ゲーティングプロセスを提案し、ゴーストトラックを大幅に削減し、追跡性能を向上させています。当手法は、Second検出器を使用したKITTIバリデーションデータセットにおいてMulti-Object Tracking Accuracy (MOTA)で29.47%の改善を達成しています。さらに、改良されたカルマンフィルター項により局所化ノイズが低減され、Higher-Order Tracking Accuracy (HOTA)が4.8%向上しています。オンラインフレームワークであるRobMOTは、複数の検出器において最先端の手法を超える性能を示しており、KITTIテストデータセットでは最大3.92%のHOTA改善、バリデーションデータセットでは8.7%のHOTA改善を達成しています。また、低いアイデンティティスイッチスコアも実現しています。RobMOTは困難なシナリオでも優れた性能を発揮し、遠隔物体や長時間遮蔽物の追跡においてWaymo Openデータセットで1.77%のMOTA改善を達成しています。単一CPU上で3221 FPSという驚異的な速度で動作し、リアルタイム多物体追跡への効率性を証明しています。