面向稀疏点云的 3D 孪生体素到 BEV 跟踪器
计算机视觉与模式识别
2021-11-18 v2
摘要
点云中的 3D 目标跟踪由于动态环境中 LiDAR 点的稀疏性仍具挑战性。本文中，我们提出一种孪生体素到 BEV 跟踪器，可显著提升稀疏 3D 点云中的跟踪性能。具体而言，其由一个孪生形状感知特征学习网络和一个体素到 BEV 目标定位网络组成。孪生形状感知特征学习网络可捕获目标的 3D 形状信息以学习目标的判别性特征，从而能从稀疏点云背景中辨识潜在目标。为此，我们首先进行模板特征嵌入将模板特征嵌入潜在目标，然后生成稠密 3D 形状以刻画潜在目标的形状信息。为定位被跟踪目标，体素到 BEV 目标定位网络以无锚方式从稠密鸟瞰图（BEV）特征图回归目标的 2D 中心与 轴中心。具体地，我们通过最大池化沿 轴压缩体素化点云以获得稠密 BEV 特征图，从而可更有效地回归 2D 中心与 轴中心。在 KITTI 与 nuScenes 数据集上的大量评估表明，我们的方法以较大优势显著优于当前最先进方法。
引用
@article{arxiv.2111.04426,
title = {3D Siamese Voxel-to-BEV Tracker for Sparse Point Clouds},
author = {Le Hui and Lingpeng Wang and Mingmei Cheng and Jin Xie and Jian Yang},
journal= {arXiv preprint arXiv:2111.04426},
year = {2021}
}
备注
Accepted by NeurIPS 2021