CC-3DT：通过跨相机融合的全景三维目标跟踪
计算机视觉与模式识别
2022-12-05 v1
摘要
为在任何时刻跟踪其他交通参与者的三维位置与轨迹，现代自动驾驶车辆配备覆盖车辆全周的多相机。然而，基于相机的三维目标跟踪方法优先优化单相机设置，并在多相机设置中诉诸事后融合。本文提出一种名为CC-3DT的全景三维目标跟踪方法，其在时间维与视角间关联并建模目标轨迹，提升整体跟踪一致性。具体而言，我们的方法在关联前融合多相机三维检测，显著减少身份切换并改进运动建模。我们在大规模驾驶数据集上的实验表明，关联前融合相较事后融合带来大幅改进。我们在具竞争力的NuScenes三维跟踪基准上以平均多目标跟踪精度（AMOTA）提升12.6%刷新所有基于相机方法的SOTA，在相同三维检测器下以AMOTA高出此前发表方法6.5%的表现优于前者。
引用
@article{arxiv.2212.01247,
title = {CC-3DT: Panoramic 3D Object Tracking via Cross-Camera Fusion},
author = {Tobias Fischer and Yung-Hsu Yang and Suryansh Kumar and Min Sun and Fisher Yu},
journal= {arXiv preprint arXiv:2212.01247},
year = {2022}
}
备注
Project page: https://www.vis.xyz/pub/cc-3dt/