超级会员免费看
这篇博客是关于《FlowMOT: 3D Multi-Object Tracking by Scene Flow Association》论文的阅读笔记。文章探讨了如何使用场景流进行运动跟踪，预测目标位置和ID绑定。运动跟踪通过深度学习网络预测帧间平移和旋转变化；数据关联采用匈牙利算法；ID分配涉及新生和消亡管理策略；新生检测需连续匹配min_det帧，消亡则在max_mis帧未匹配后发生。
0.论文
论文地址链接：https://arxiv.org/pdf/2012.07541v1
通过流的方式跟踪是一个比较新颖的点，所以这里比较关注运动跟踪，是如果做到流的跟踪来预测目标的位置以及ID绑定的。
FlowMOT的框架结构如下所示，本中会主要关注下运动跟踪、数据关联、ID分配、新生/消亡等，针对这个几个部分进行总结。
1.运动跟踪
这里运动跟踪主要用的深度学习的网络结构，训练所有场景帧间的场景流，就可以预测出两帧间平移与旋转的变化，
订阅专栏 解锁全文
扫一扫
评论 1
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
