面向点云单目标跟踪的框感知特征增强
计算机视觉与模式识别
2021-11-02 v2
摘要
当前的3D单目标跟踪方法基于目标模板与搜索区域之间的特征比较来跟踪目标。然而，由于LiDAR扫描中普遍存在遮挡，在严重稀疏且不完整的形状上进行精确的特征比较并非易事。在本工作中，我们利用第一帧中给定的真值边界框作为强线索来增强目标物体的特征描述，以简单而有效的方式实现更准确的特征比较。具体而言，我们首先提出了BoxCloud，一种信息丰富且鲁棒的表示，利用点到框的关系来描绘物体。我们进一步设计了一个高效的框感知特征融合模块，利用上述BoxCloud进行可靠的特征匹配与嵌入。将所提出的通用组件集成到现有模型P2B中，我们构建了一个优越的框感知跟踪器（BAT）。实验证实，我们提出的BAT在KITTI和NuScenes基准测试上均大幅优于先前的SOTA，精确度提升了15.2%，同时运行速度提高了约20%。
引用
@article{arxiv.2108.04728,
title = {Box-Aware Feature Enhancement for Single Object Tracking on Point Clouds},
author = {Chaoda Zheng and Xu Yan and Jiantao Gao and Weibing Zhao and Wei Zhang and Zhen Li and Shuguang Cui},
journal= {arXiv preprint arXiv:2108.04728},
year = {2021}
}
备注
Accepted by ICCV 2021