MAEMOT:为自动驾驶提供预先训练的MAE基于反封闭的3D多对象跟踪

科学领域:

• 计算机视觉 计算机视觉
• 机器人技术 机器人技术 机器人技术
• 人工智能的人工智能

背景情况:

• 现有的3D多对象跟踪 (MOT) 方法在现实世界的交通中扎着对象封闭.
• 一个基本的挑战是克服因阻塞引起的感知数据丢失.

研究的目的:

• 开发一种名为MAEMOT的新型抗阻塞3DMOT方法.
• 为了解决当前处理封闭物体的方法的局限性.

主要方法:

• 使用多阶段变压器 (MST) 编码器和时空运动解码器开发预训练的运动受约束的蒙蔽自动编码器 (M-MAE).
• 实施基于提案的几何图形聚合 (PG2A) 模块,用于特征融合.
• 设计一个对象关联模块,结合几何和角的亲和力.

主要成果:

• M-MAE有效地预测和重建封闭的点云数据,保持跨框架特征的一致性.
• 该PG2A模块通过融合空间特征来改进兴趣区域组件.
• 综合方法强大匹配预测的封闭物体.

结论:

• 在3DMOT中,MAEMOT有效地克服了闭塞干扰.
• 拟议的方法在具有堵塞的挑战性交通场景中实现了更好的性能.