論文の概要: Tracking from Patterns: Learning Corresponding Patterns in Point Clouds
for 3D Object Tracking
- arxiv url: http://arxiv.org/abs/2010.10051v1
- Date: Tue, 20 Oct 2020 06:07:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-05 06:11:53.051362
- Title: Tracking from Patterns: Learning Corresponding Patterns in Point Clouds
for 3D Object Tracking
- Title（参考訳）: パターンからのトラッキング:3dオブジェクト追跡のためのポイントクラウドにおける対応するパターンの学習
- Authors: Jieqi Shi, Peiliang Li, Shaojie Shen
- Abstract要約: 本稿では,時間点雲データから3次元オブジェクト対応を学習し,対応パターンから動き情報を推測する。
提案手法は,KITTIと大規模Nuscenesデータセットの双方において,既存の3次元追跡手法を超えている。
- 参考スコア（独自算出の注目度）: 34.40019455462043
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A robust 3D object tracker which continuously tracks surrounding objects and
estimates their trajectories is key for self-driving vehicles. Most existing
tracking methods employ a tracking-by-detection strategy, which usually
requires complex pair-wise similarity computation and neglects the nature of
continuous object motion. In this paper, we propose to directly learn 3D object
correspondences from temporal point cloud data and infer the motion information
from correspondence patterns. We modify the standard 3D object detector to
process two lidar frames at the same time and predict bounding box pairs for
the association and motion estimation tasks. We also equip our pipeline with a
simple yet effective velocity smoothing module to estimate consistent object
motion. Benifiting from the learned correspondences and motion refinement, our
method exceeds the existing 3D tracking methods on both the KITTI and larger
scale Nuscenes dataset.
- Abstract（参考訳）: 周囲を継続的に追跡し、軌道を推定するロバストな3dオブジェクトトラッカは、自動運転車にとって重要だ。
既存の追跡手法の多くはトラッキング・バイ・検出方式を採用しており、通常は複雑なペアの類似性計算を必要とし、連続物体の動きの性質を無視する。
本稿では,時間的点雲データから3次元物体対応を直接学習し,対応パターンからの動き情報を推定する。
標準の3Dオブジェクト検出器を2つのライダーフレームを同時に処理し、関連性および動き推定タスクのバウンディングボックスペアを予測する。
また、パイプラインに単純な効果的な速度平滑化モジュールを装備し、一貫した物体の動きを推定します。
KITTIと大規模Nuscenesデータセットの双方で既存の3次元追跡手法を上回り,学習した対応と運動改善の両面から得られた。
関連論文リスト
- SeMoLi: What Moves Together Belongs Together [51.72754014130369]
動作手がかりに基づく半教師付き物体検出に挑戦する。
近年,移動物体の擬似ラベルインスタンスに対して,動きに基づくクラスタリング手法が適用可能であることが示唆された。
我々は、このアプローチを再考し、オブジェクト検出とモーションインスパイアされた擬似ラベルの両方が、データ駆動方式で取り組めることを示唆する。
論文 参考訳（メタデータ） (2024-02-29T18:54:53Z) - Delving into Motion-Aware Matching for Monocular 3D Object Tracking [81.68608983602581]
異なる時間軸に沿った物体の運動キューが3次元多物体追跡において重要であることが判明した。
3つの動き認識コンポーネントからなるフレームワークであるMoMA-M3Tを提案する。
我々はnuScenesとKITTIデータセットに関する広範な実験を行い、MoMA-M3Tが最先端の手法と競合する性能を発揮することを実証した。
論文 参考訳（メタデータ） (2023-08-22T17:53:58Z) - InterTrack: Interaction Transformer for 3D Multi-Object Tracking [9.283656931246645]
3Dマルチオブジェクトトラッキング(MOT)は、自動運転車にとって重要な問題である。
提案手法であるInterTrackは,データアソシエーションのための識別対象表現を生成する。
我々はnuScenes 3D MOTベンチマークのアプローチを検証する。
論文 参考訳（メタデータ） (2022-08-17T03:24:36Z) - SpOT: Spatiotemporal Modeling for 3D Object Tracking [68.12017780034044]
3Dマルチオブジェクトトラッキングは、常にすべてのモバイル時間を特定することを目的としている。
現在の3Dトラッキング手法は、抽象化された情報と限られた歴史に依存している。
本研究では,空間的情報と時間的情報の両方を活用するシーンの全体的表現を開発する。
論文 参考訳（メタデータ） (2022-07-12T21:45:49Z) - Time3D: End-to-End Joint Monocular 3D Object Detection and Tracking for
Autonomous Driving [3.8073142980733]
本稿では,モノクローナルビデオのみからエンドツーエンドに3D検出と3D追跡を共同で行うことを提案する。
Time3Dは21.4%のAMOTA、13.6%のAMOTPをnuScenesの3D追跡ベンチマークで達成し、全競合を抜いた。
論文 参考訳（メタデータ） (2022-05-30T06:41:10Z) - A Lightweight and Detector-free 3D Single Object Tracker on Point Clouds [50.54083964183614]
生のLiDARスキャンにおける物体の点雲は、通常スパースで不完全であるため、正確な目標固有検出を行うのは簡単ではない。
DMTは、複雑な3D検出器の使用を完全に除去する3Dトラッキングネットワークである。
論文 参考訳（メタデータ） (2022-03-08T17:49:07Z) - 3D-FCT: Simultaneous 3D Object Detection and Tracking Using Feature
Correlation [0.0]
3D-FCTは、時間情報を利用して3Dオブジェクトの検出と追跡の関連タスクを同時に実行するシームズネットワークアーキテクチャである。
提案手法は,最先端手法よりも5.57%mAPの改善が期待できるKITTI追跡データセットを用いて評価した。
論文 参考訳（メタデータ） (2021-10-06T06:36:29Z) - Exploring Simple 3D Multi-Object Tracking for Autonomous Driving [10.921208239968827]
LiDARポイントクラウドにおける3Dマルチオブジェクトトラッキングは、自動運転車にとって重要な要素である。
既存の手法は、主にトラッキング・バイ・検出パイプラインに基づいており、検出アソシエーションのマッチングステップが必然的に必要である。
我々は,手作りの追跡パラダイムをシンプルにするために,原点雲からの共同検出と追跡のためのエンドツーエンドのトレーニング可能なモデルを提案する。
論文 参考訳（メタデータ） (2021-08-23T17:59:22Z) - Learnable Online Graph Representations for 3D Multi-Object Tracking [156.58876381318402]
3D MOT問題に対する統一型学習型アプローチを提案します。
我々は、完全にトレーニング可能なデータアソシエーションにNeural Message Passing Networkを使用します。
AMOTAの65.6%の最先端性能と58%のIDスウィッチを達成して、公開可能なnuScenesデータセットに対する提案手法のメリットを示す。
論文 参考訳（メタデータ） (2021-04-23T17:59:28Z) - Monocular Quasi-Dense 3D Object Tracking [99.51683944057191]
周囲の物体の将来の位置を予測し、自律運転などの多くのアプリケーションで観測者の行動を計画するためには、信頼性と正確な3D追跡フレームワークが不可欠である。
移動プラットフォーム上で撮影された2次元画像のシーケンスから,移動物体を時間とともに効果的に関連付け,その全3次元バウンディングボックス情報を推定するフレームワークを提案する。
論文 参考訳（メタデータ） (2021-03-12T15:30:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。