PointIT：一种基于三维实例分割的快速跟踪框架
计算机视觉与模式识别
2019-02-19 v1
摘要
近来大多数流行的跟踪框架聚焦于二维图像序列，很少在三维点云中跟踪三维物体。本文提出 PointIT，一种基于三维路面实例分割的快速、简单跟踪方法。首先，我们将三维 LiDAR 数据转换为尺寸为 64 x 512 x 4 的球面图像，并将其输入实例分割模型以得到每类的预测实例掩码。然后我们使用 MobileNet 作为主编码器替代原始 ResNet 以降低计算复杂度。最后，我们用此实例框架扩展 Sort 算法，以在三维 LiDAR 点云数据中实现跟踪。该模型在带有相应实例标签掩码的球面图像数据集上训练，这些掩码由 KITTI 3D Object Track 数据集提供。根据实验结果，我们的网络在平均精度（AP）上可达到 0.617，且多目标跟踪任务性能也得到提升。
引用
@article{arxiv.1902.06379,
title = {PointIT: A Fast Tracking Framework Based on 3D Instance Segmentation},
author = {Yuan Wang and Yang Yu and Ming Liu},
journal= {arXiv preprint arXiv:1902.06379},
year = {2019}
}