探究单目 3D 目标跟踪中运动感知匹配
计算机视觉与模式识别
2023-08-23 v1
摘要
近期单目 3D 目标检测的进步促进了基于低成本相机传感器的 3D 多目标跟踪任务。本文中,我们发现物体沿不同时间帧的运动线索在 3D 多目标跟踪中至关重要,而现有基于单目的方法对此探索较少。本文中,我们提出一种用于单目 3D MOT 的运动感知框架。为此,我们提出 MoMA-M3T,一个主要由三个运动感知组件构成的框架。首先,我们在特征空间中将物体相对于所有目标轨迹的可能运动表示为其运动特征。接着,我们通过运动变换器从时空视角进一步对沿时间帧的历史目标轨迹建模。最后,我们提出一个运动感知匹配模块,将历史目标轨迹与当前观测关联作为最终跟踪结果。我们在 nuScenes 与 KITTI 数据集上开展大量实验,表明我们的 MoMA-M3T 相较最先进方法取得了具竞争力的性能。此外,所提跟踪器灵活且可轻松插入现有基于图像的三维目标检测器而无需重新训练。代码与模型见 https://github.com/kuanchihhuang/MoMA-M3T。
引用
@article{arxiv.2308.11607,
title = {Delving into Motion-Aware Matching for Monocular 3D Object Tracking},
author = {Kuan-Chih Huang and Ming-Hsuan Yang and Yi-Hsuan Tsai},
journal= {arXiv preprint arXiv:2308.11607},
year = {2023}
}
备注
Accepted by ICCV 2023. Code is available at https://github.com/kuanchihhuang/MoMA-M3T