请问一下为什么我的所有的框的track_idx都为0呢

[xxx103]

如题

[LSH9832]

不知道，你代码咋写的，我没遇见过这种问题

[xxx103]

@LSH9832
// 初始化tracker
UCMC::Params track_params;
track_params.a1 = 100.0;
track_params.a2 = 100.0;
track_params.wx = 5.0;
track_params.wy = 5.0;
track_params.vmax = 10.0;
track_params.max_age = 10.0;
track_params.high_score = 0.5;
track_params.conf_threshold = 0.01;
track_params.dt = 1. / 10;
track_params.Ki = std::vector{1040., 0., 680., 0.,
0., 1040., 382., 0.,
0., 0., 1., 0.};
track_params.Ko = std::vector{-0.33962705646204017, -0.9403932802759871, -0.01771837833151917, 0,
-0.49984364998094355, 0.1964143950108213, -0.843550657048088, 1,
0.7967495140209739, -0.2776362077328922, -0.5367572524549995, 33.64,
0, 0, 0, 1};
UCMC::Tracker tracker(track_params);

std::vectorUCMC::Obj multi_obj_track(std::vector<UCMC_detect::Object> results,UCMC::Tracker tracker)
{

std::vector<UCMC::Obj> track_result = tracker.update(results);
return track_result;

}
// std::cout << "objects.size:" << objects.size() << std::endl;
std::vectorUCMC::Obj track_results = multi_obj_track(objects,tracker);
// std::cout << "track_results.size:" << track_results.size() << std::endl;
cv::Mat image_show = UCMC_Track::draw_boxes(image_rgb, track_results, 20, true);

首先在while循环外初始化tracker，只初始化一次，在while循环里面调用multi_obj_track函数，objects是使用yolo模型检测得到的每一帧的结果，得到的track_results的结果中track_idx都为0，大佬您觉得可能是哪里有问题呢

[LSH9832]

不太清楚，你试着把

std::vectorUCMC::Obj multi_obj_track(std::vector<UCMC_detect::Object> results,UCMC::Tracker tracker)
{
    ...
}

改成

std::vectorUCMC::Obj multi_obj_track(std::vector<UCMC_detect::Object> results,UCMC::Tracker& tracker)
{
    ...
}

以引用的方式传参看看有没有用

[xxx103]

以引用的方式传参可以解决问题，但是标号的效果不太好，跟踪框的标号会跳变的比较快

[LSH9832]

我又看了一下，我估计你应该是没看原作者论文——你初始化的时候的参数都是我给的demo里的，这肯定不行，Ki和Ko代表你使用的相机内参和相对于地面的外参，至少这两个你要改成你自己的。先把你实际使用的相机的内外参标定出来再填进去。如果在相机移动过程中外参不停发生较大变化你还需要一直更新外参。

我给出的demo标号就没有跳变比较快的问题，这个算法能够效果好的前提就是你内外参得设置对了。这个算法能成为2023年在MOT数据集上效果最好的多目标跟踪算法，主要就是靠引入真实相机的内外参信息，你完全不care这两个参数的话效果肯定好不了。

磨刀不误砍柴工。先看看原作者的论文再说吧，完全不了解原理的情况下直接套用确实容易出问题。并不是所有算法的使用都像YOLO一样开箱即用。

[LSH9832]

我都是默认看过论文的人才会搜到我这个仓库来用的，即使没看过，搞CV的人大部分也知道内外参，一般看到配置文件给的参数也能看出来那两矩阵是啥，所以这些参数我都偷懒没介绍，直接在README里给了个原作者的链接。

[xxx103]

我使用原作者提供的工具Estimating Camera Parameter from a Single Image进行内外参的计算，原作者说要align a virtual ground plane grid with the ground in the image，怎么才算对齐了呢，theta_z的值应该是多少呢

[xxx103]

他论文里面说z是一个定值

[xxx103]

您有在真实的场景中使用过ucmctrack吗？我看这个方法貌似只能够用特定的参数在特定的数据集上才有比较好的效果，我在真实场景下使用这个算法就是会有标号跳动的问题