変換器による3Dポイントクラウドオブジェクト追跡のためのPoint-BEV融合の探求

自律運転におけるLiDARセンサーの普及に伴い、3Dポイントクラウドオブジェクト追跡はますます注目を集めています。ポイントクラウドシーケンスにおいて、3Dオブジェクト追跡は、連続するフレームにおける物体の位置と向きを予測することを目的としています。変換器の成功に触発され、私たちはPoint Tracking TRansformer (PTTR)を提案します。これは、変換器の操作を活用し、粗から細への方法で高品質な3D追跡結果を効率的に予測します。PTTRは3つの新しい設計から成ります。1) ランダムサンプリングの代わりに、サブサンプリング中に与えられたテンプレートに関連するポイントを保持するためにRelation-Aware Samplingを設計しました。2) テンプレートと探索領域間での効果的な特徴集約と特徴マッチングのためにPoint Relation Transformerを提案します。3) 粗い追跡結果に基づいて、ローカル特徴プーリングを通して最終的な洗練された予測を得るために新しいPrediction Refinement Moduleを使用します。さらに、オブジェクトの動きをキャッチする際のポイントクラウドのBird's-Eye View (BEV)の好ましい特性に触発され、私たちはポイントワイズビューとBEV表現の両方を取り入れ、高品質な追跡結果を生成するための相補的効果を活用する、より高度なフレームワークであるPTTR++を設計しました。PTTR++は低い計算負荷でPTTRの追跡性能を大幅に向上させます。複数のデータセットにわたる広範な実験は、私たちの提案するアプローチが優れた3D追跡精度と効率を達成することを示しています。