面向恶劣天气条件下 LiDAR 点云单目标跟踪的鲁棒性
计算机视觉与模式识别
2025-01-14 v1
摘要
3D 单目标跟踪（3DSOT）在 LiDAR 点云中的工作对于户外感知至关重要，使其能够实时感知物体的位置、姿态和运动。尽管当前 3DSOT 方法在性能方面取得了显著进步，但在洁净数据集上进行评估不足以全面反映其综合性能，因为真实世界的恶劣天气条件尚未被考虑。一个主要障碍是缺乏针对 3DSOT 恶劣天气评估的数据集。为此，本工作提出了一个针对 LiDAR 基于 3DSOT 恶劣天气的具有挑战性的数据集，包括两个合成数据集（KITTI-A 和 nuScenes-A）和一个真实世界数据集（CADC-SOT），涵盖三种天气类型：雨、雾和雪。基于该数据集，对来自不同跟踪框架的五个代表性 3D 跟踪器进行鲁棒性评估，结果显示性能显著下降。这促使我们思考：当前先进方法在此类恶劣天气样本上为何会失败？随后，我们从三个角度探讨恶劣天气的影响并回答上述问题：1）目标距离；2）模板形状损坏；3）目标形状损坏。最后，基于域随机化和对比学习，我们设计了一个名为 DRCT 的双分支跟踪框架，以应对恶劣天气，实现了该数据集中的优异性能。
引用
@article{arxiv.2501.07133,
title = {Robust Single Object Tracking in LiDAR Point Clouds under Adverse Weather Conditions},
author = {Xiantong Zhao and Xiuping Liu and Shengjing Tian and Yinan Han},
journal= {arXiv preprint arXiv:2501.07133},
year = {2025}
}
备注
14 pages