VPIT：基于体素伪图像的实时嵌入式单目标三维跟踪

本文提出一种新颖的基于体素的三维单目标跟踪（3D SOT）方法，称为体素伪图像跟踪（VPIT）。VPIT是首个将体素伪图像用于3D SOT的方法。输入点云通过基于柱的体素化进行结构化，所得伪图像作为类2D Siamese SOT方法的输入。伪图像在鸟瞰图（BEV）坐标中生成，因此其中物体尺寸恒定。从而在新坐标系中仅物体旋转可改变，物体尺度不变。为此，我们将多尺度搜索替换为多旋转搜索，将不同旋转的搜索区域与单一目标表示进行比较，以预测物体的位置与旋转。在KITTI Tracking数据集上的实验表明，VPIT是最快的3D SOT方法，且保持有竞争力的成功率和精度值。SOT方法在真实场景中的应用面临诸如嵌入式设备计算能力较低和不可容忍延迟的环境等限制，若推理速度不足则被迫跳过某些数据帧。我们实现了实时评估协议，并表明其他方法在嵌入式设备上丧失大部分性能，而VPIT保持跟踪能力。