الكشف والتتبع ثلاثي الأبعاد للمجسمات القائمة على المركز

تُمثَّل الأشياء ثلاثية الأبعاد عادةً كصناديق ثلاثية الأبعاد في سحابة النقاط. يحاكي هذا التمثيل الكشف عن الصناديق ثنائية الأبعاد المستند إلى الصور والمدروس جيدًا، ولكنه يأتي مع تحديات إضافية. لا تتبع الأشياء في العالم ثلاثي الأبعاد أي اتجاه محدد، ويعاني الكاشفون القائمون على الصناديق من صعوبة تعداد جميع الاتجاهات أو ضبط صندوق الحدود المحاذي للمحور على الأشياء الدوارة. في هذه الورقة البحثية، نقترح بدلاً من ذلك تمثيل وكشف وتتبع الأشياء الثلاثية الأبعاد كنقاط. إطارنا العملِي، CenterPoint، يكشف أولاً عن مراكز الأشياء باستخدام كاشف النقاط الرئيسية ويقوم بالانحدار إلى السمات الأخرى، بما في ذلك الحجم الثلاثي الأبعاد والاتجاه الثلاثي الأبعاد والسرعة. في المرحلة الثانية، يتم تحسين هذه التقديرات باستخدام خصائص نقاط إضافية على الجسم. في CenterPoint، يبسط تتبع الأجسام الثلاثية الأبعاد إلى مطابقة النقاط الأكثر قربًا بطريقة طمعية (Greedy). يكون الخوارزمية الناتجة للكشف والتتبع بسيطة وكفؤة وفعالة. حقق CenterPoint أفضل أداء على مقاييس nuScenes لكلٍ من الكشف الثلاثي الأبعاد والتتبع، بمعدل 65.5 NDS و63.8 AMOTA لنموذج واحد. وعلى مجموعة البيانات المفتوحة Waymo، يتفوق CenterPoint بشكل كبير على جميع الأساليب السابقة لنماذج واحدة ويحتل المركز الأول بين جميع المشاركات التي تعتمد فقط على الليدار (Lidar). يمكن الحصول على الرمز والنماذج المدربة مسبقًا من https://github.com/tianweiy/CenterPoint.