用于点云多目标跟踪的 Transformer
计算机视觉与模式识别
2022-09-07 v1 机器学习
摘要
我们提出 TransMOT,一种基于 transformer 的、可端到端训练的点云数据在线跟踪与检测器。该模型利用交叉注意力与自注意力机制,适用于自动驾驶场景下的激光雷达数据以及其他数据类型(如雷达)。航迹管理与新航迹检测均由同一 transformer 解码器模块完成,跟踪器状态编码于特征空间中。通过此方法,我们利用检测器丰富的潜空间进行跟踪,而非依赖低维包围盒。同时,我们仍能保留传统基于卡尔曼滤波方法的若干理想特性,例如处理任意时间步的传感器输入或补偿丢帧的能力。这得益于一种新模块,该模块在特征层面将航迹信息从一帧传递到下一帧,从而完成类似于卡尔曼滤波预测步骤的任务。结果在具有挑战性的真实数据集 nuScenes 上给出,所提模型优于其基于卡尔曼滤波的跟踪基线。
引用
@article{arxiv.2205.15730,
title = {Transformers for Multi-Object Tracking on Point Clouds},
author = {Felicia Ruppel and Florian Faion and Claudius Gläser and Klaus Dietmayer},
journal= {arXiv preprint arXiv:2205.15730},
year = {2022}
}
备注
Accepted for publication at the 2022 33rd IEEE Intelligent Vehicles Symposium (IV 2022), June 5-9, 2022, in Aachen, Germany