无人驾驶（6）动态环境感知与跟踪

Posted on | In , |

[TOC]

单目跟踪算法：

  • 产生式
  • 鉴别式
  • 基于相关滤波
  • 基于深度学习

6.1 什么是跟踪？

image-20220422012437176

image-20220422012626480

6.2 单目标跟踪

image-20220422012648811

6.2.1 单目标跟踪-产生式模型

image-20220422012909705

Kalman Filter

code: https://github.com/andylei77/kalman_particle_demo

image-20220422013049774

N(均值，协方差)

image-20220422013637320

image-20220422013857445

image-20220422014224130

image-20220422014349327

Particle Filter

image-20220422014550639

6.2.2 单目标跟踪-鉴别式模型

image-20220422014625230

Boosting

MIL

MEDIANFLOW

image-20220422014658024

TLD

  • 跟踪器： 光流
  • 检测器：

image-20220422014742417

OPENCV API

code: https://github.com/andylei77/learnopencv/tree/master/tracking

6.2.3 单目标跟踪-基于相关滤波算法

  • MOSSE 评价相似性的滤波算法

CSK

  • CSK方法
    • 密集采样，通过循环矩阵来实现
    • 分类器的学习通过快速傅里叶变换成频域内的计算，不受SVM或Boost等学习方法的限制(什么限制？？)。无论线性分类还是核分类，整个学习过程十分高效。
  • 实时性好

image-20220422014833974

MOSSE

image-20220422014901835

KCF

  • 循环矩阵
  • 循环矩阵傅里叶对角化性质–简化计算加速分类器的学习过程
  • 基于HOG特征的分类器（DeepSRDCF：深度学习提取的特征+KCF方法）

image-20220422014917316

GOTURN （深度学习）

https://www.learnopencv.com/goturn-deep-learning-based-object-tracking/

image-20220422014935909

算法综述

数据集；深度学习CNN；CF-相关滤波；其它的

image-20220422014947881

6.3 多目标跟踪

分类方法

  • 按照轨迹形成的时间顺序
    • 在线
    • 离线
  • 按照算法机制
    • 预测校正 / 关联方式
  • 按照算法的数学表示
    • 概率统计最大化 / 确定性推导

image-20220422015001612

Hungarian Algorithm

image-20220422015046313

https://github.com/andylei77/HungarianAlgorithm

image-20220422015113333

实战

发送端：https://github.com/andylei77/object-detector/tree/ROS

  • 基于二分图匹配的多目标跟踪

接受端：https://github.com/andylei77/object-tracker/tree/master/tracker