AB3DMOT: A Baseline for 3D Multi-Object Tracking and New Evaluation Metrics

0 摘要

三维多目标跟踪（MOT）对于自动驾驶等应用来说是至关重要的。最近的工作重点是开发精确的系统，对计算成本和系统的复杂性不太重视。相比之下，这项工作提出了一个简单的实时3D MOT系统，具有很强的性能。我们的系统首先从LiDAR点云中获得三维检测。然后，使用三维卡尔曼滤波和匈牙利算法的直接组合进行状态估计和数据关联。此外，三维MOT数据集（如KITTI）在二维空间中评估MOT方法，而标准化的三维MOT评估工具对于三维MOT方法的公平比较是缺失的。我们提出了一个新的三维MOT评估工具以及三个新的指标来全面评估三维MOT方法。我们表明，我们提出的方法在KITTI上实现了强大的3D MOT性能，在KITTI数据集上的运行速度为207.4 FPS，在现代3D MOT系统中实现了最快的速度。我们的代码可在http://www.xinshuoweng.com/projects/AB3DMOT

Keywords: multi-object tracking, evaluation metrics

1 介绍

MOT对自动驾驶等应用至关重要[6]。由于检测方面的进步，MOT方面已经有了很大的进展。例如，如图1（左）所示，对于KITTI[2]二维MOT基准的汽车类，MOTA（多物体跟踪精度）在短短两年内从57.03提高到84.04。虽然我们对这一进展感到鼓舞，但我们注意到，我们对创新和准确性的关注可能是以重要的实际因素为代价的，如计算效率和系统的简单性，S.O.T.A.方法通常需要大量的计算成本[8,1,7]，使得实时性能成为一个挑战。另外，现代MOT系统往往很复杂，并不总是很清楚系统的哪一部分对性能的贡献最大。

2 AB3DMOT：3D MOT的基线

为了提供一个标准的三维MOT基线进行比较分析，我们实施了一个设计上既高效又简单的经典方法–卡尔曼滤波器[3]（1960）与匈牙利方法[5]（1955）相结合。具体来说，我们的系统如图1（右）所示，它采用了一个现成的3D物体检测器，从LiDAR点云中获得3D检