Box-bewusste Merkmalsverbesserung für die Verfolgung einzelner Objekte in Punktwolken

Aktuelle Ansätze für die 3D-Einzelpfadoberwachung verfolgen das Zielobjekt auf der Grundlage eines Merkmalsvergleichs zwischen dem Zielvorlage und dem Suchbereich. Aufgrund der häufigen Verdeckungen in LiDAR-Scans ist es jedoch nicht trivial, genaue Merkmalsvergleiche bei stark dünn besetzten und unvollständigen Formen durchzuführen. In dieser Arbeit nutzen wir die im ersten Frame gegebene Ground-Truth-Bounding-Box als starke Anhaltspunkte, um die Merkmalsbeschreibung des Zielobjekts zu verbessern und so einen präziseren Merkmalsvergleich auf einfache und effektive Weise zu ermöglichen. Insbesondere schlagen wir zunächst BoxCloud vor, eine informativ und robuste Darstellung, die ein Objekt mittels der Punkte-zu-Box-Beziehung beschreibt. Weiterhin entwickeln wir ein effizientes box-bewusstes Merkmalsfusionmodul, das die vorgeschlagene BoxCloud für verlässliches Merkmalsabgleichen und -einbettung nutzt. Durch die Integration der vorgeschlagenen allgemeinen Komponenten in das bestehende Modell P2B konstruieren wir einen überlegenen box-bewussten Tracker (BAT). Experimente bestätigen, dass unser vorgeschlagener BAT sowohl auf den KITTI- als auch auf den NuScenes-Benchmarks den bisherigen Stand der Technik deutlich übertrifft: Er erreicht eine Verbesserung von 15,2 % in Bezug auf die Präzision und läuft dabei etwa 20 % schneller.