Multiple object tracking application to a custom dataset

In recent years the automotive industry has pushed towards the automation of the driving task as a mean of preventing crashes, saving lives and improving the overall driving experience. With the newest technologies, autonomous vehicles can effectively perceive their surroundings, identifying obstacles and potential risks both for the ego vehicle and its occupants and for other road agents, and quickly take measures to ensure a safe travel between the starting position and the desired destination. The aim of this thesis is to delve into the research of tracking algorithm, with achieved state of the art performance on the most commonly used automotive datasets, to put it to the test on a custom dataset recorded with an autonomous vehicle prototype in special conditions. The results are conflicting, as on one hand we see the chosen tracker having good estimates on the positioning of the target obstacle, whilst on the other we see it struggle to correctly predict it's heading angle, with a peculiar and unexpected behaviour not shown on other datasets.

Negli ultimi anni l'industria automobilistica ha dato una forte spinta verso lo sviluppo di tecniche di automazione della guida con l'obiettivo di ridurre gli incidenti stradali, e conseguentemente le morti sulla strada, e più in generale per migliorare l'esperienza di guida. Con le ultime tecnologie del settore, i veicoli autonomi riescono a percepire efficacemente l'ambiente che li circonda, identificando ostacoli e altri fattori di rischio sia per il veicolo stesso e i suoi occupanti che per gli altri utenti presenti, quali altri veicoli e pedoni, prendendo rapidamente decisioni atte a garantire un percorso sicuro dal punto di partenza fino alla destinazione. L'obiettivo di questa tesi è quello di ricercare un algoritmo di tracciamento che abbia già raggiunto prestazioni da stato dell'arte sui dataset più comunemente usati nel settore, per metterlo alla prova su un dataset custom registrato con un prototipo di veicolo autonomo in condizioni particolari. I risultati sono contrastanti, dato che se da una parte vediamo l'algoritmo scelto avere buone performance in termini di posizionamento dell'ostacolo bersaglio, dall'altra lo vediamo faticare nel prevedere l'esatta direzione del bersaglio stesso, con un comportamente del tutto peculiare ed inaspettato non presente su altri dataset.