文件名称：argoverse_cbgs_kf_tracker:Python中的3d多对象跟踪
文件大小：21.2MB
文件格式：ZIP
更新时间：2024-06-16 15:20:57
Python
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
【文件预览】：
argoverse_cbgs_kf_tracker-master
----README.md(5KB)
----ab3dmot.py(10KB)
----tests()
--------test_iou_utils.py(1KB)
----visualization()
--------cuboids_to_bboxes.py(10KB)
--------object_label_record.py(11KB)
--------eval_tracking.py(14KB)
--------dump_to_argoverse.py(8KB)
----LICENSE(887B)
----transform_utils.py(4KB)
----requirements.txt(30B)
----detections_README.md(2KB)
----iou_utils.py(5KB)
----videos()
--------1e5d7745-c7b3-31a0-ae57-c480fcaa220e_ring_front_center_30fps.gif(6.51MB)
--------de6c96c4-f2b2-3f0f-9971-ed35f4118c1e_ring_front_center_30fps.gif(6.8MB)
--------21e37598-52d4-345c-8ef9-03ae19615d3d_ring_front_center_30fps.gif(8.18MB)
----run_ab3dmot.py(10KB)
----json_utils.py(582B)