SeqTrack3D：探索序列信息以实现鲁棒的 3D 点云跟踪
计算机视觉与模式识别
2024-02-27 v1
摘要
3D 单目标跟踪（SOT）是自动驾驶和移动机器人领域的一项重要且具有挑战性的任务。大多数现有方法仅在两个连续帧之间执行跟踪，而忽略了目标在一系列帧中的运动模式，这会导致在点稀疏场景中的性能下降。为了突破这一限制，我们引入了序列到序列的跟踪范式以及名为 SeqTrack3D 的跟踪器，以捕捉连续帧间的目标运动。与主要采用三种策略（匹配两个连续点云、预测相对运动或利用序列点云解决特征退化）的先前方法不同，我们的 SeqTrack3D 结合了历史点云和边界框序列。这种新颖方法通过利用历史边界框的位置先验，确保了即使在点稀疏场景中也能进行鲁棒跟踪。在大规模数据集上进行的大量实验表明，SeqTrack3D 取得了新的最先进性能，在 NuScenes 数据集上提升了 6.00%，在 Waymo 数据集上提升了 14.13%。代码将在 https://github.com/aron-lin/seqtrack3d 公开。
引用
@article{arxiv.2402.16249,
title = {SeqTrack3D: Exploring Sequence Information for Robust 3D Point Cloud Tracking},
author = {Yu Lin and Zhiheng Li and Yubo Cui and Zheng Fang},
journal= {arXiv preprint arXiv:2402.16249},
year = {2024}
}
备注
Accepted by ICRA2024