一种轻量且无检测器的点云三维单目标跟踪器
计算机视觉与模式识别
2023-02-14 v2
摘要
近期关于三维单目标跟踪的工作将该任务视为特定目标的3D检测任务，通常采用现成的3D检测器进行跟踪。然而，由于原始LiDAR扫描中物体的点云通常稀疏且不完整，进行准确的特定目标检测并非易事。在本文中，我们通过显式利用时间运动线索来解决此问题，并提出DMT，一种基于运动预测的无检测器三维跟踪网络，它完全去除了复杂3D检测器的使用，并且比以往的跟踪器更轻量、更快、更准确。具体而言，首先引入运动预测模块，以无点云的方式估计当前帧的潜在目标中心。然后，提出一种显式投票模块，从估计的目标中心直接回归3D框。在KITTI和NuScenes数据集上的大量实验表明，我们的DMT在不使用任何复杂3D检测器的情况下，仍能取得比最先进方法更好的性能（在NuScenes数据集上约10%的提升）和更快的跟踪速度（即72 FPS）。我们的代码发布于\url{https://github.com/jimmy-dq/DMT}
引用
@article{arxiv.2203.04232,
title = {A Lightweight and Detector-free 3D Single Object Tracker on Point Clouds},
author = {Yan Xia and Qiangqiang Wu and Wei Li and Antoni B. Chan and Uwe Stilla},
journal= {arXiv preprint arXiv:2203.04232},
year = {2023}
}
备注
Accepted by IEEE Transactions on Intelligent Transportation Systems 2023