P2P: Las señales de movimiento de parte a parte guían un marco sólido de seguimiento para nubes de puntos LiDAR

Los métodos de seguimiento de objetos individuales en 3D (SOT) basados en la coincidencia de apariencia han sufrido durante mucho tiempo por la insuficiencia de información de apariencia provocada por nubes de puntos LiDAR incompletas, sin textura y semánticamente deficientes. Si bien el paradigma de movimiento explota señales de movimiento en lugar de coincidencia de apariencia para el seguimiento, incurre en un procesamiento complejo de múltiples etapas y un módulo de segmentación. En este documento, primero proporcionamos exploraciones en profundidad sobre el paradigma de movimiento, que demuestra que (i) es factible inferir directamente el movimiento relativo del objetivo a partir de nubes de puntos a través de cuadros consecutivos; (ii) la comparación de información de granularidad fina entre nubes de puntos consecutivas facilita la modelización del movimiento del objetivo. Por lo tanto, proponemos realizar la modelización del movimiento de parte a parte para nubes de puntos consecutivas e introducimos un nuevo marco de seguimiento, denominado P2P. El nuevo marco fusiona la información de cada parte correspondiente entre nubes de puntos consecutivas, explorando efectivamente los cambios de información detallados y modelizando así señales de movimiento relacionadas con el objetivo de manera precisa. Siguiendo este marco, presentamos los modelos P2P-point y P2P-voxel, incorporando la modelización implícita y explícita del movimiento de parte a parte mediante representación basada en puntos y vóxeles, respectivamente. Sin florituras, P2P-voxel establece un nuevo rendimiento de vanguardia (89%, 72% y 63% de precisión en KITTI, NuScenes y Waymo Open Dataset, respectivamente). Además, bajo la misma representación basada en puntos, P2P-point supera al anterior rastreador de movimiento M²Track en un 3.3% y un 6.7% en KITTI y NuScenes, respectivamente, mientras funciona a una velocidad considerablemente alta de 107 Fps en una única GPU RTX3090. El código fuente y los modelos preentrenados están disponibles en https://github.com/haooozi/P2P.