文章预览
ADAS Laboratory 点击上方 蓝字 关注 智驾实验室 加入【 智驾实验室 】交流群, 获取更多内容和资料 本文针对移动物体在陌生环境中交互的问题,提出了一种基于跟踪符(Tracklet)图和 Query 图(Query Graph)的框架,即GSLAMOT,用于同时定位、映射和跟踪移动物体的3D姿态。 GSLAMOT利用相机和激光雷达多模态信息作为输入,将动态场景的表示划分为表示静态环境的语义图、表示自主代理的轨迹以及用于跟踪和预测检测到的移动物体3D姿态的在线维护的跟踪符图(Tracklet Graph,TG)。 每个帧构建一个 Query 图(Query Graph,QG)以 Query 和更新TG。为准确关联物体,提出了一种多准则星图关联(Multi-criteria Star Graph Association,MSGA)方法在QG中的检测与TG中的预测跟踪符之间寻找匹配的物体。 然后,提出了一种基于物体的图优化(Object-centric Graph Optimization
………………………………