[論文レビュー] AB3DMOT: A Baseline for 3D Multi-Object Tracking and New Evaluation Metrics

Xinshuo Weng, Jianren Wang+2 more|arXiv (Cornell University)|Aug 18, 2020

Video Surveillance and Tracking Methods参考文献 11被引用数 44

ひとこと要約

3D KalmanフィルタとHungarianデータ連携を用いた実-timeの単純な3D MOTベースラインと、KITTI向けの新しい3D評価ツールと指標を追加。高性能な3D MOTを実現し、現代的システムの中で最速のFPSを達成。

ABSTRACT

3D multi-object tracking (MOT) is essential to applications such as autonomous driving. Recent work focuses on developing accurate systems giving less attention to computational cost and system complexity. In contrast, this work proposes a simple real-time 3D MOT system with strong performance. Our system first obtains 3D detections from a LiDAR point cloud. Then, a straightforward combination of a 3D Kalman filter and the Hungarian algorithm is used for state estimation and data association. Additionally, 3D MOT datasets such as KITTI evaluate MOT methods in 2D space and standardized 3D MOT evaluation tools are missing for a fair comparison of 3D MOT methods. We propose a new 3D MOT evaluation tool along with three new metrics to comprehensively evaluate 3D MOT methods. We show that, our proposed method achieves strong 3D MOT performance on KITTI and runs at a rate of $207.4$ FPS on the KITTI dataset, achieving the fastest speed among modern 3D MOT systems. Our code is publicly available at http://www.xinshuoweng.com/projects/AB3DMOT.

研究の動機と目的

• 計算効率と精度のバランスを取る、単純でリアルタイムな3D MOTベースラインの必要性を動機づける。
• 3D検出、3Dカルマンフィルタ、データ連結のためのHungarianアルゴリズムを用いた、直接的な3D MOTパイラインを提案する。
• 直接的な3D評価ツールと新しい指標を導入することにより、3D MOT評価のギャップを特定・解決する。
• 提案されたベースラインをKITTI 3D MOTで評価し、性能と速度の利点を示す。

提案手法

• LiDARポイントクラウドから3D検出を得るために市販の3D検出器を使用する。
• 一定速度モデルで3D位置、サイズ、速度、向きを含む3Dカルマンフィルタ状態を拡張する。
• 3D空間でデータ連結にHungarianアルゴリズムを適用する。
• 2D IoUを3D IoUに置き換え、3D空間でマッチングすることにより3D MOT評価ツールを開発する。
• 再現率閾値全体でMOT性能を要約する3つの積分指標（sAMOTA、AMOTA、AMOTP）を導入する。

実験結果

リサーチクエスチョン

• RQ1 シンプルな3D KalmanフィルタとHungarianマッチングを用いた3D MOTパイプラインはKITTIで競争力のある性能を発揮できるか。
• RQ2 3D空間で直接3D MOTを評価することは、2Dに投影するより公正で有益な比較を提供するか。
• RQ3 再現値全体を跨ぐ積分指標は、信頼度閾値の頑健性を従来のMOT指標よりもよく捉えるか。

主な発見

手法	入力データ	sAMOTA	AMOTA	AMOTP	MOTA	MOTP	IDS	FRAG	FPS
mmMOT [10]	2D + 3D	70.61	33.08	72.45	74.07	78.16	10	125	4.8
FANTrack [1]	2D + 3D	82.97	40.03	75.01	74.30	75.24	35	202	25.0
Ours	3D	93.28	45.43	77.41	86.24	78.43	0	15	207.4

• 提案された3D MOTシステムは、2Dデータなしで3D入力のみでKITTIで高い性能を達成。
• 方法はKITTIの検証セットで207.4 FPSを記録し、GPUを使用せずに現代の3D MOTシステムで最速。
• 3D評価ツールと3D IoUベースのマッチングにより、2D投影ではなく直接3D評価を可能に。
• 3つの積分指標（sAMOTA、AMOTA、AMOTP）が再現値を跨いでMOTA/MOTPを要約し、信頼度閾値の影響を解消。
• mmMOTおよびFANTrackと比較して、KITTI検証時にsAMOTA、AMOTA、AMOTPの値が高く、報告された実行でIDチェンジゼロ。