TripletTrack：基于三元组嵌入与 LSTM 的 3D 目标跟踪
计算机视觉与模式识别
2022-10-31 v1
摘要
3D 目标跟踪是自动驾驶系统中的关键任务，对系统感知周边环境起着至关重要的作用。与此同时，仅依赖廉价传感器（如摄像头）的自动驾驶算法正受到越来越多的关注。本文中，我们研究了将三元组嵌入与运动表示相结合用于 3D 目标跟踪。我们从一个现成的 3D 目标检测器出发，并应用一种跟踪机制：通过基于局部目标特征嵌入与运动描述子的亲和度得分对目标进行匹配。特征嵌入经训练以包含视觉外观与单目 3D 目标特征信息，而运动描述子则提供了目标轨迹的强表示。我们将展示，我们的方法能有效地重新识别目标，并在遮挡、漏检情况下表现可靠且准确，且能检测跨不同视场的目标重现。实验评估表明，我们的方法在 nuScenes 上大幅优于当前最优方法，在 KITTI 上也取得了具竞争力的结果。
引用
@article{arxiv.2210.16204,
title = {TripletTrack: 3D Object Tracking using Triplet Embeddings and LSTM},
author = {Nicola Marinello and Marc Proesmans and Luc Van Gool},
journal= {arXiv preprint arXiv:2210.16204},
year = {2022}
}
备注
Accepted to CVPR 2022 Workshop on Autonomous Driving