東北大學(xué)發(fā)布Sttracker：用于3D單目標(biāo)跟蹤的時空跟蹤器

2023-09-18 09:22 作者:計算機視覺life 0人讀過 | 我要投稿

以下內(nèi)容來自小六的機器人SLAM學(xué)習(xí)圈知識星球每日更新內(nèi)容

點擊領(lǐng)取學(xué)習(xí)資料 → 機器人SLAM學(xué)習(xí)資料大禮包

#論文# RAL 2023|東北大學(xué)（沈陽）發(fā)布Sttracker：用于3D單目標(biāo)跟蹤的時空跟蹤器

【STTracker: Spatio-Temporal Tracker for 3D Single Object Tracking 】

文章鏈接：230617440STTrackerSpatio-TemporalTrackerfor3DSingl...

數(shù)據(jù)集：【KITTI】【NuScenes】

參考代碼：GitHub-open-mmlabOpenPCDetOpenPCDetToolboxforLiDAR...Open3DSOTpretrained_modelsmmtrack_kitti_carckptatm...

利用點云進行三維單目標(biāo)跟蹤是三維計算機視覺中的一項重要任務(wù)。以往的方法通常輸入最后兩幀，利用預(yù)測框分別得到前一幀的模板點云和當(dāng)前幀的搜索區(qū)域點云，然后使用基于相似性或基于運動的方法預(yù)測當(dāng)前框。這些方法雖然取得了較好的跟蹤性能，但是忽略了目標(biāo)的歷史信息，而歷史信息對于跟蹤是重要的。
相比于輸入兩幀點云，本文輸入多幀點云對目標(biāo)的時空信息進行編碼，隱式地學(xué)習(xí)目標(biāo)的運動信息，可以建立不同幀之間的相關(guān)性，高效地跟蹤當(dāng)前幀中的目標(biāo)。同時，與直接使用點特征進行特征融合不同，我們首先將點云特征裁剪成多個面片，然后使用稀疏注意力機制對面片級相似度進行編碼，最后融合多幀特征。大量實驗表明，我們的方法在挑戰(zhàn)大規(guī)?；鶞?zhǔn)測試集( KITTI中62.6 % , NuScenes中49.66 %)上取得了有競爭力的結(jié)果。