InterTrack：用于三维多目标跟踪的交互Transformer
计算机视觉与模式识别
2023-05-09 v2
摘要
三维多目标跟踪（MOT）是自动驾驶车辆的关键问题，需在动态环境中执行周全的运动规划。尤其对密集占用场景，将已有轨迹关联至新检测仍具挑战性，因现有系统往往忽略关键上下文信息。我们提出的方案InterTrack引入用于三维MOT的交互Transformer，为数据关联生成具判别力的目标表征。我们提取每个轨迹与检测的状态及形状特征，并通过注意力高效聚合全局信息。随后，我们对每对轨迹/检测特征执行学习式回归以估计亲和度，并采用鲁棒的两阶段数据关联与轨迹管理策略生成最终轨迹。我们在nuScenes三维MOT基准上验证本方法，观察到显著改进，尤其在小物理尺寸与聚集目标类别上。截至提交时，InterTrack在使用CenterPoint检测的方法中总体AMOTA排名第一。
引用
@article{arxiv.2208.08041,
title = {InterTrack: Interaction Transformer for 3D Multi-Object Tracking},
author = {John Willes and Cody Reading and Steven L. Waslander},
journal= {arXiv preprint arXiv:2208.08041},
year = {2023}
}
备注
Accepted to CRV 2023