PointTrackNet:一种从点云进行三维目标检测与跟踪的端到端网络
计算机视觉与模式识别
2020-02-27 v1 机器学习
机器人学
摘要
近期基于机器学习的多目标跟踪(MOT)框架在三维点云上日益流行。大多数传统跟踪方法使用时域上的滤波器(如卡尔曼滤波或粒子滤波)来预测目标位置,然而它们在极端运动条件下(如急刹和急转)十分脆弱。在本文中,我们提出 PointTrackNet,一种端到端的三维目标检测与跟踪网络,用于为每个检测到的目标生成前景掩码、三维包围盒以及逐点跟踪关联位移。该网络仅以两帧相邻点云作为输入。在 KITTI 跟踪数据集上的实验结果表明,相较于当前最优方法具有竞争力,尤其在不规则且快速变化的场景中。
引用
@article{arxiv.2002.11559,
title = {PointTrackNet: An End-to-End Network For 3-D Object Detection and Tracking From Point Clouds},
author = {Sukai Wang and Yuxiang Sun and Chengju Liu and Ming Liu},
journal= {arXiv preprint arXiv:2002.11559},
year = {2020}
}
备注
7 pages, ICRA-RAL2020 accepted