今天带大家阅读的是发表在 RA-L 22 的文章 DeepFusionMOT: A 3D Multi-Object Tracking Framework Based on Camera-LiDAR Fusion With Deep Association。
下图是精度-速度对比图，速度最快的 AB3DMOT 我已经精度过了，是单雷达模态的 3D 跟踪基准。EagerMOT 在昨天略读了，是我读的第一篇相机-雷达融合跟踪的文章，有着不错的 trade-off。
经过略读，在我看来今天的 DeepFusionMOT 是 EagerMOT 的改进，把两种模态的数据处理的更加清晰。
- Inputs：和
EagerMOT一样，通过三维投影到二维做两种模态检测结果的匹配 - Deep Association：按优先级清晰地定义了四层关联，
1st是共同检测目标与3D轨迹的关联，未关联上的轨迹进入2nd与只被雷达检测到的目标做关联。3rd是只被相机检测到的目标与2D轨迹做关联。
详细读了方法部分之后，4th 关联是对 2nd 关联失败的 3D 轨迹与 3rd 的图像 2D 轨迹做关联，关联成功后将二者合为一个 3D 轨迹，然后将 2D 轨迹移除。
