ODTFormer：基于 Transformer 的立体相机高效障碍物检测与跟踪

障碍物检测与跟踪是机器人自主导航中的关键组成部分。在本文中，我们提出了 ODTFormer，一种基于 Transformer 的模型，用于同时解决障碍物检测和跟踪问题。对于检测任务，我们的方法利用可变形注意力构建 3D 代价卷，并以体素占据网格的形式进行渐进式解码。我们进一步通过匹配连续帧之间的体素来跟踪障碍物。整个模型可以以端到端的方式进行优化。通过在 DrivingStereo 和 KITTI 基准上的大量实验，我们的模型在障碍物检测任务中取得了最先进的性能。我们还报告了与最先进的障碍物跟踪模型相当的精度，同时仅需其一小部分的计算成本，通常少十到二十倍。代码和模型权重将公开发布。