基于中心的3D目标检测与跟踪
计算机视觉与模式识别
2021-10-11 v2
摘要
三维目标在点云中通常表示为3D包围盒。这种表示方式模仿了研究较为充分的基于图像的2D边界框检测，但带来了额外的挑战。三维世界中的目标不遵循任何特定方向，基于包围盒的检测器难以枚举所有方向或将轴对齐包围盒拟合到旋转目标上。在本文中，我们转而提出将3D目标表示为点，并基于点进行检测与跟踪。我们的框架CenterPoint首先使用关键点检测器检测目标中心，并回归其他属性，包括3D尺寸、3D方向和速度。在第二阶段，它利用目标上额外的点特征对这些估计进行细化。在CenterPoint中，3D目标跟踪简化为贪心最近点匹配。所得到的检测与跟踪算法简单、高效且有效。CenterPoint在nuScenes基准上取得了3D检测与跟踪的state-of-the-art性能，单一模型的NDS为65.5，AMOTA为63.8。在Waymo Open Dataset上，CenterPoint大幅优于此前所有单一模型方法，并在所有仅使用激光雷达(Lidar-only)的提交中排名第一。代码与预训练模型可在 https://github.com/tianweiy/CenterPoint 获取。
引用
@article{arxiv.2006.11275,
title = {Center-based 3D Object Detection and Tracking},
author = {Tianwei Yin and Xingyi Zhou and Philipp Krähenbühl},
journal= {arXiv preprint arXiv:2006.11275},
year = {2021}
}
备注
update nuScenes and Waymo results