10、旋转桌测试中的目标跟踪

旋转桌测试中的目标跟踪

1. 引言

RoboCup@Work竞赛聚焦于移动操纵器的应用以及其与自动化设备的集成，以执行相关工业任务。其中，旋转桌测试（RTT）要求机器人从以恒定角速度旋转的圆形桌子上自动抓取物体。该任务需要机器人跟踪目标物体的位置并进行抓取，这就对低延迟、鲁棒的目标检测和预测能力提出了很高要求。

在这项工作中，采用基于检测的跟踪方法来解决RTT任务。具体贡献包括扩展SORT跟踪器，并使用两种不同的骨干网络进行实验评估。同时，还研究了跟踪质量以及在低视频帧率下的鲁棒性，这对于计算资源有限的真实机器人实现至关重要。使用的设备包括youBot机器人、Intel NUC Core i7和RealSense D435相机。此外，还提供了包含1200张图像和注释的RTT任务数据集。

2. 相关工作

在目标跟踪领域，大多数先进方法遵循基于检测的跟踪范式，该范式主要包括两个独立步骤：
1. 对所有单个帧进行目标检测。
2. 跨帧跟踪或关联这些检测结果。

这种方法严重依赖目标检测器的性能。基于神经网络的检测器已成为当前的先进技术，如Faster - RCNN和SDP等。大多数目标跟踪中的数据关联方法将问题形式化为图，每个检测是一个节点，每条边表示一个可能的链接，数据关联可表述为最大流或最小成本问题，但这些优化问题复杂度高，不适用于在线应用。

以下是几种常见的跟踪算法：
- Tracktor ：由Bergmann等人提出，先通过Faster - RCNN的检测初始化跟踪，再基于边界框回归进行跟踪。但该方法不能高频运行，且基于帧间运动小的假设，在实际应用中