QD-3DT：单目准稠密三维目标跟踪

关注涛涛CV，设置星标，更新不错过

-------------------------------------

QD-3DT：单目准稠密三维目标跟踪

单目准稠密三维目标跟踪（QD-3DT）是一个在线框架，使用二维图像中的准稠密目标方案检测和跟踪三维目标。

一个可靠和准确的3D跟踪框架对于预测周围物体的未来位置和规划观察者在许多应用（如自动驾驶）中的行动至关重要。我们提出了一个框架，可以有效地关联移动对象随时间的变化，并根据在移动平台上捕获的二维图像序列估计其完整的三维边界框信息。对象关联利用准密集相似性学习来识别仅具有外观线索的各种姿势和视点中的对象。在初始2D关联之后，我们进一步利用3D边界盒深度排序启发式算法进行鲁棒实例关联，并利用基于运动的3D轨迹预测进行遮挡车辆的重新识别。最后，一个基于LSTM的目标速度学习模块聚合长期轨迹信息，以进行更精确的运动外推。在我们提出的模拟数据和真实基准（包括KITTI、nuScenes和Waymo数据集）上的实验表明，我们的跟踪框架在城市驾驶场景中提供了鲁棒的对象关联和跟踪。在Waymo开放基准上，我们在3D跟踪和3D检测挑战中建立了第一条仅限摄像头的基线。我们的准密集3D跟踪管道在nuScenes 3D跟踪基准上实现了令人印象深刻的改进，在所有已发布的方法中，其跟踪精度是best vision only submission的近五倍。

主要结果

代码链接:

https://github.com/SysCV/qd-3dt

论文链接:

https://arxiv.org/abs/2103.07351

项目主页:

https://eborboihuc.github.io/QD-3DT/

-------------------------------------

笔记：

《智能革命》《人工智能》《AI•未来》《好好赚钱》《韭菜的自我修养》读书笔记

行业： 

服务机器人公司，机器视觉公司，自动驾驶公司，ADAS公司总结， 

SLAM：

Vslam方案+源码，语义SLAM与深度相机，SLAM和导航避障，视觉SLAM总结

秦学英《三维物体的识别与跟踪》，章国锋《视觉SLAM》，申抒含《基于图像的三维建模》，姜翰青《RGB -D SLAM》记录笔记

视觉SLAM的建图课件3，课件2，课件1

总结：

10年机器视觉网站，5年人工智能网站，

2019经历总结，2018视觉总结

机器视觉：

机器视觉基本概念笔记，记录五，记录四，记录三，记录二，记录一

双目视觉和激光传感器对目标物体的三维重建技术

图像处理：

图像处理基本概念笔记，记录八，记录七，记录六 ，记录五，记录四 ，记录三，记录二 ，记录二，记录一

欢迎支持，点击在看，分享