基于点级流网络的3D单目标跟踪：FlowTrack
计算机视觉与模式识别
2024-07-03 v1
摘要
3D单目标跟踪（SOT）是移动机器人和自动驾驶领域的关键任务。传统基于运动的方法通过估计连续两帧之间的目标相对运动来实现目标跟踪，但往往忽略目标的局部运动信息，无法有效利用历史帧的信息。为克服上述局限性，我们提出一种基于多帧信息的点级流方法，用于3D SOT任务，称为FlowTrack。具体而言，通过对目标中每个点的流进行估计，该方法能够捕捉目标的局部运动细节，从而提升跟踪性能。同时，针对稀疏点的场景，我们提出一种可学习的目标特征，作为桥梁高效地整合过去帧中的目标信息。此外，我们设计了一种新的Instance Flow Head，将稠密点级流转换为实例级运动，有效地聚合局部运动信息以获得全局目标运动。最终，我们的方法在KITTI数据集上实现了5.9%的性能提升，在NuScenes上实现了2.9%的提升。该代码将很快公开。
引用
@article{arxiv.2407.01959,
title = {FlowTrack: Point-level Flow Network for 3D Single Object Tracking},
author = {Shuo Li and Yubo Cui and Zhiheng Li and Zheng Fang},
journal= {arXiv preprint arXiv:2407.01959},
year = {2024}
}
备注
Accepted by IROS2024