Python中的argoverse_cbgs_kf_tracker:实现3d多对象跟踪

argoverse_cbgs_kf_tracker 预先计算的3D检测 预先计算的3D检测是使用所述的方法在Argoverse数据集上计算的，检测范围在每个方向上增加到100米，并修剪到ROI以匹配Argoverse注释策略。 可以在我们的免费下载检测结果。 卡尔曼滤波器跟踪 该代码根据其对进行了扩展。 但是，我们不是在相机坐标系中进行跟踪（就像AB3DMOT一样），而是在Argoverse城市坐标系中进行跟踪 。 代替贪婪地匹配零星的检测，我们在因子图中解决了许多独立的估计问题（过滤）。 具体来说，我们使用IoU度量执行数据关联（将估计问题解耦），然后将每个3D检测视为特定车辆未知状态的度量。 Argoverse排行榜上的结果 截至2020年4月15日（星期三），此实现在Argoverse 3d跟踪测试集（ ）上排名第一。 以下是一些按指标的结果： 车MOTA 行人MOTA 车