一种用于点云中三维单目标跟踪的有效运动中心范式
计算机视觉与模式识别
2023-10-13 v2
摘要
激光雷达点云中的三维单目标跟踪（LiDAR SOT）在自动驾驶中起着关键作用。当前方法均遵循基于外观匹配的孪生范式。然而，激光雷达点云通常缺乏纹理且不完整，阻碍了有效的外观匹配。此外，以往方法极大忽视了目标间关键的运动线索。本文中，超越三维孪生跟踪，我们引入了一种运动中心范式，从新视角处理 LiDAR SOT。遵循该范式，我们提出了一种无匹配的二阶段跟踪器 M^2-Track。在第一阶段，M^2-Track 通过运动变换在连续帧中定位目标；随后在第二阶段通过运动辅助的形状补全精炼目标框。由于运动中心的特性，我们的方法在有限训练标签下展现出令人印象深刻的泛化能力，并为端到端循环训练提供了良好的可微性。这启发我们通过引入基于伪标签的运动增强和自监督损失项来探索半监督 LiDAR SOT。在全监督设定下，大量实验证实 M^2-Track 在三个大规模数据集上显著优于以往 state-of-the-arts，同时以 57FPS 运行（在 KITTI、NuScenes 和 Waymo Open Dataset 上分别约 3%、11% 和 22% 的精度提升）。在半监督设定下，我们的方法使用少于 KITTI 一半的标签即达到甚至超越其全监督对应方法的性能。进一步分析验证了各组件的有效性，并展示了运动中心范式在自动标注和无监督域适应方面的良好潜力。
引用
@article{arxiv.2303.12535,
title = {An Effective Motion-Centric Paradigm for 3D Single Object Tracking in Point Clouds},
author = {Chaoda Zheng and Xu Yan and Haiming Zhang and Baoyuan Wang and Shenghui Cheng and Shuguang Cui and Zhen Li},
journal= {arXiv preprint arXiv:2303.12535},
year = {2023}
}
备注
Accepted version of the journal extension of M^2-Track. Accepted by TPAMI. arXiv admin note: substantial text overlap with arXiv:2203.01730