QD-3DT：單目準稠密三維目標跟蹤

單目準稠密三維目標跟蹤（QD-3DT）是一個在線框架，使用二維圖像中的準稠密目標方案檢測和跟蹤三維目標。

一個可靠和準確的3D跟蹤框架對於預測周圍物體的未來位置和規劃觀察者在許多應用（如自動駕駛）中的行動至關重要。我們提出瞭一個框架，可以有效地關聯移動對象隨時間的變化，並根據在移動平臺上捕獲的二維圖像序列估計其完整的三維邊界框信息。對象關聯利用準密集相似性學習來識別僅具有外觀線索的各種姿勢和視點中的對象。在初始2D關聯之後，我們進一步利用3D邊界盒深度排序啟發式算法進行魯棒實例關聯，並利用基於運動的3D軌跡預測進行遮擋車輛的重新識別。最後，一個基於LSTM的目標速度學習模塊聚合長期軌跡信息，以進行更精確的運動外推。在我們提出的模擬數據和真實基準（包括KITTI、nuScenes和Waymo數據集）上的實驗表明，我們的跟蹤框架在城市駕駛場景中提供瞭魯棒的對象關聯和跟蹤。在Waymo開放基準上，我們在3D跟蹤和3D檢測挑戰中建立瞭第一條僅限攝像頭的基線。我們的準密集3D跟蹤管道在nuScenes 3D跟蹤基準上實現瞭令人印象深刻的改進，在所有已發佈的方法中，其跟蹤精度是best vision only submission的近五倍。

主要結果

代碼鏈接: https://github.com/SysCV/qd-3dt

論文鏈接: https://arxiv.org/abs/2103.07351

項目主頁: https://eborboihuc.github.io/QD-3DT/

https://www.zhihu.com/video/1459918622952574976