本論文では、カメラ運動の影響を考慮した新しい目標予測モジュール「Ego-Motion Aware Target Prediction (EMAP)」を提案している。EMAP モジュールは、カルマンフィルターの状態定義を再定式化することで、カメラの回転および並進運動の影響を物体軌跡から分離する。これにより、カメラ運動による乱れを排除し、物体運動モデルの信頼性を最大化する。
EMAP モジュールを4つの最新の多物体追跡アルゴリズム(OC-SORT、Deep OC-SORT、ByteTrack、BoT-SORT)に統合し、KITTI MOTデータセットで評価した結果、OC-SORT とDeep OC-SORTの ID スイッチ数を73%と21%それぞれ削減し、HOTA スコアを5%以上向上させることができた。さらに、CARLA自動運転シミュレータを用いた実験でも、EMAP モジュールの有効性が確認された。
เป็นภาษาอื่น
จากเนื้อหาต้นฉบับ
arxiv.org
ข้อมูลเชิงลึกที่สำคัญจาก
by Navid Mahdia... ที่ arxiv.org 04-05-2024
https://arxiv.org/pdf/2404.03110.pdfสอบถามเพิ่มเติม