SeqTrack3D: Exploring Sequence Information for Robust 3D Point Cloud Tracking

要約

3D 単一物体追跡 (SOT) は、自動運転とモバイル ロボット工学にとって重要かつ困難なタスクです。
既存の方法のほとんどは、一連のフレームにわたるターゲットの動きパターンを無視しながら、2 つの連続するフレーム間で追跡を実行します。これにより、点がまばらなシーンではパフォーマンスの低下が発生します。
この制限を打破するために、シーケンスツーシーケンス トラッキング パラダイムと、連続フレーム全体でターゲットの動きをキャプチャする SeqTrack3D というトラッカーを導入します。
2 つの連続する点群のマッチング、相対運動の予測、または特徴劣化に対処するための連続点群の利用という 3 つの戦略を主に採用していた以前の方法とは異なり、当社の SeqTrack3D は履歴点群とバウンディング ボックス シーケンスの両方を組み合わせています。
この新しい方法は、点がまばらなシーンであっても、履歴ボックスからの事前位置情報を活用することにより、堅牢な追跡を保証します。
大規模なデータセットに対して行われた広範な実験により、SeqTrack3D が新しい最先端のパフォーマンスを達成し、NuScenes では 6.00%、Waymo データセットでは 14.13% 向上することが示されました。
コードは https://github.com/aron-lin/seqtrack3d で公開されます。

要約(オリジナル)

3D single object tracking (SOT) is an important and challenging task for the autonomous driving and mobile robotics. Most existing methods perform tracking between two consecutive frames while ignoring the motion patterns of the target over a series of frames, which would cause performance degradation in the scenes with sparse points. To break through this limitation, we introduce Sequence-to-Sequence tracking paradigm and a tracker named SeqTrack3D to capture target motion across continuous frames. Unlike previous methods that primarily adopted three strategies: matching two consecutive point clouds, predicting relative motion, or utilizing sequential point clouds to address feature degradation, our SeqTrack3D combines both historical point clouds and bounding box sequences. This novel method ensures robust tracking by leveraging location priors from historical boxes, even in scenes with sparse points. Extensive experiments conducted on large-scale datasets show that SeqTrack3D achieves new state-of-the-art performances, improving by 6.00% on NuScenes and 14.13% on Waymo dataset. The code will be made public at https://github.com/aron-lin/seqtrack3d.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google