STTracker：用于3D单目标跟踪的时空跟踪器
计算机视觉与模式识别
2023-07-03 v1
摘要
基于点云的3D单目标跟踪是3D计算机视觉中的关键任务。以往方法通常输入最后两帧，并利用预测框分别获取前一帧的模板点云与当前帧的搜索区域点云，随后使用基于相似度或基于运动的方法预测当前框。尽管这些方法取得了良好的跟踪性能，它们忽略了目标的历史信息，而后者对跟踪十分重要。本文中，相较于输入两帧点云，我们输入多帧点云以编码目标的时空信息并隐式学习目标的运动信息，从而建立不同帧间的关联以高效跟踪当前帧中的目标。同时，我们并非直接利用点特征进行特征融合，而是先将点云特征裁剪为多个块，随后使用稀疏注意力机制编码块级相似度，最终融合多帧特征。大量实验表明，我们的方法在具挑战性的大规模基准上取得了有竞争力的结果（KITTI上62.6%，NuScenes上49.66%）。
引用
@article{arxiv.2306.17440,
title = {STTracker: Spatio-Temporal Tracker for 3D Single Object Tracking},
author = {Yubo Cui and Zhiheng Li and Zheng Fang},
journal= {arXiv preprint arXiv:2306.17440},
year = {2023}
}
备注
Accepted for publication at IEEE Robotics and Automation Letters (RAL)