Core Concepts
提出一种离线跟踪模型,利用物体持久性的概念来有效恢复被遮挡的物体轨迹。该模型包括标准在线跟踪器、重识别模块和轨迹补全模块,利用地图信息作为先验知识来改善关联和轨迹补全。
Abstract
本文提出了一种离线跟踪模型,旨在解决在线跟踪中由于遮挡导致的物体轨迹断裂问题。该模型包含三个部分:
标准在线跟踪器:生成初始跟踪结果。
重识别(Re-ID)模块:利用物体持久性的概念,尝试将终止的轨迹与可能的未来候选轨迹重新关联。
轨迹补全模块:根据关联结果,补全缺失的轨迹。
该模型创新性地将基于预测的方法应用于离线跟踪,并利用车道地图信息作为先验知识来改善关联和轨迹补全。为了处理可变的遮挡持续时间,模型可以从可变的时间查询中解码预测的位姿。
实验结果表明,该模型在nuScenes数据集上的多目标跟踪指标上显著优于原始在线跟踪结果,展示了其在离线自动标注中作为有用插件改善跟踪和恢复遮挡的潜力。
Stats
遮挡持续时间为8秒,遮挡距离为71米。
遮挡持续时间为3秒,遮挡距离为25米。
遮挡持续时间为3.5秒,遮挡距离为13米。