RobMOT: LiDAR PointCloud에서 관측 노이즈와 상태 추정 드리프트를 완화한 강건한 3D 다중 객체 추적

본 논문은 3D 추적-검출 방법의 제한점을 다루며, 특히 합법적인 궤도를 식별하고 칼만 필터에서 상태 추정 드리프트를 줄이는 데 초점을 맞춥니다. 기존 방법들은 종종 검출 점수에 대한 임계값 기반 필터링을 사용하는데, 이는 먼 거리나 가려진 객체에 대해 실패할 수 있어 오류 검출(false positive)을 초래합니다. 이를 해결하기 위해 우리는 새로운 트랙 유효성 메커니즘과 다단계 관측 게이팅 과정을 제안하여 유령 트랙(ghost tracks)을 크게 줄이고 추적 성능을 향상시킵니다. 우리의 방법은 Second 검출기와 함께 KITTI 검증 데이터셋에서 Multi-Object Tracking Accuracy (MOTA)가 29.47% 향상되었습니다. 또한 개선된 칼만 필터 항은 위치 결정 노이즈를 줄여 고차원 추적 정확도(Higher-Order Tracking Accuracy, HOTA)를 4.8% 향상시키는 역할을 합니다. 온라인 프레임워크인 RobMOT는 여러 검출기에서 최신 기술(state-of-the-art) 방법들을 능가하며, KITTI 테스트 데이터셋에서는 HOTA가 최대 3.92% 향상되고 검증 데이터셋에서는 8.7% 향상되는 결과를 보였습니다. RobMOT는 낮은 ID 스위치 점수를 달성하면서 멀리 있는 객체와 장시간 가림(prolonged occlusions) 상황에서도 우수한 성능을 발휘합니다. Waymo 오픈 데이터셋에서는 MOTA가 1.77% 향상되었으며, 단일 CPU에서 3221 FPS로 작동하여 실시간 다중 객체 추적에 효율성을 입증하였습니다.