基于任务联合的三维车辆检测与跟踪集成算法
来源：中国血液净化杂志2023年第9期北京时间：
作者：程鑫, 周经美, 刘霈源, 王宏飞, 徐志刚, 赵祥模
单位：1. 长安大学 信息工程学院, 陕西 西安 710018;2. 长安大学 电子与控制工程学院, 陕西 西安 710018;3. 公安部交通管理科学研究所, 江苏 无锡 214151"],"fundList_en":["National Natural Science Foundation of China (52102452); Key Scientific Project of Ministry of Transport (2022-ZD6-079); Key Research and Development Program of Shaanxi (2023-YBGY-119); Natural Science Basic Research Program of Shaanxi (2023-JC-YB-523); Innovation Capability Support Program of Shaanxi (2022KJXX-02); Shaanxi Transportation Scientific Research and Development Project (21-05X); Fundamental Research Funds of Central Universities (300102242203)
摘要：在常规的目标检测及跟踪算法中,检测器与跟踪器按照流水线的方式级联工作,目标检测模块的漏检会降低目标跟踪模块的性能。针对该问题,目前主要方法是通过构建检测与跟踪联合算法使2种任务互为促进,进一步提高检测与跟踪精度。基于此,提出了一种车辆目标检测与跟踪任务联合框架3D Tracktor++。利用前一帧目标检测结果生成携带有身份信息的先验候选区域,引导检测器在目标出现概率较大的区域进行目标框回归并直接输出轨迹编号。为了避免对新进入场景的目标漏检且弥补先验候选区域的偏差,增加了候选区域补充模块,集成后的先验候选区域与补充候选区域通过感兴趣区域(RoI)池化、目标回归、轨迹检查等步骤,输出车辆目标位置及其轨迹编号。在KITTI数据集上的试验结果表明,与单任务目标检测方法VoxelRCNN相比,所提出的任务联合方法平均检测精度AP<sub>3D</sub>更高,其中在中等难度样本上AP<sub>3D</sub>提高2.75%;与三维多目标追踪的基准方法(AB3DMOT)相比,多目标跟踪精确率(MOTP)与平均多目标跟踪精确率(AMOTP)分别提升3.59%与0.77%。与常规"先检测后跟踪"算法相比,论文提出的联合算法具有合理性,有效提高了检测与跟踪精度。
关键词：交通工程,车辆目标检测,车辆目标跟踪,激光雷达点云,任务集成
基金资助：国家自然科学基金项目(52102452)；交通运输部重点科技项目(2022-ZD6-079)；陕西省重点研发计划项目(2023-YBGY-119)；陕西省自然科学基础研究计划面上项目(2023-JC-YB-523)；陕西省创新能力支撑计划项目(2022KJXX-02)；陕西省交通运输厅交通科研项目(21-05X)；中央高校基本科研业务费专项资金项目(300102242203)
