用于点云单目标跟踪的保对象孪生网络
计算机视觉与模式识别
2023-01-31 v1
摘要
显然，物体是三维单目标跟踪（SOT）任务的关键因素。然而，先前基于孪生的跟踪器忽视了主干采样过程中随机丢弃的物体点所带来的负面影响，这阻碍了跟踪器预测准确的边界框（BBoxes）。探索一种旨在最大化保留物体点及其物体感知特征的方法尤为重要。受此启发，我们提出了一种保对象孪生网络（OPSNet），它能够显著保持物体完整性并提升跟踪性能。首先，物体高亮模块增强物体感知特征，并从模板和搜索区域中提取判别性特征。然后，保对象采样选择物体候选以获得保对象搜索区域种子，并丢弃对跟踪贡献较小的背景点。最后，物体定位网络基于保对象搜索区域种子精确回归三维边界框。大量实验表明，我们的方法优于最先进性能（在 KITTI 和 Waymo Open Dataset 上分别获得 9.4% 和 2.5% 的成功率提升）。
引用
@article{arxiv.2301.12057,
title = {Object Preserving Siamese Network for Single Object Tracking on Point Clouds},
author = {Kaijie Zhao and Haitao Zhao and Zhongze Wang and Jingchao Peng and Zhengwei Hu},
journal= {arXiv preprint arXiv:2301.12057},
year = {2023}
}