[論文レビュー] An extended target tracking model with multiple random matrices and unified kinematics

Karl Granström|arXiv (Cornell University)|Jun 9, 2014

Target Tracking and Data Fusion in Sensor Networks参考文献 22被引用数 45

ひとこと要約

本稿では、ターゲットを複数の楕円型部分対象として表現し、ガンマ・ガウス・逆ウィシャートBayesフィルタを用いて運動特性とターゲット拡張を同時に推定する、新しい拡張ターゲット追跡モデルを提案する。部分対象の位置と形状をランダム行列でモデル化することで、複雑なシナリオにおける精度が向上し、シミュレーションにおいて従来の単一楕円モデルよりも優れた性能を達成する。

ABSTRACT

This paper presents a model for tracking of extended targets, where each target is represented by a given number of elliptic subobjects. A gamma Gaussian inverse Wishart implementation is derived, and necessary approximations are suggested to alleviate the data association complexity. A simulation study shows the merits of the model compared to previous work on the topic.

研究の動機と目的

• 不規則な形状をとる複雑な拡張ターゲットを表現する上で、単一楕円モデルの限界を解消すること。
• 幾何的複雑性をよりよく捉えるために、拡張ターゲットを楕円型部分対象の集合としてモデル化すること。
• ランダム行列を用いて運動特性と拡張パラメータを同時に推定する、実装可能なBayesフィルタフレームワークを開発すること。
• データアソシエーションの複雑さを低減する近似手法を適用しながら、推定精度を維持すること。
• PHD/CPHDフィルタなどの複数拡張ターゲット追跡フレームワークへの統合基盤を提供すること。

提案手法

• 各拡張ターゲットを、それぞれ独自の位置および形状パラメータを持つ複数の楕円型部分対象の集合として表現する。
• Bayes推論のため、部分対象の位置と分散行列にガウス・逆ウィシャート共役事前分布を導入する。
• ターゲット状態、拡張、および部分対象数を同時に推定できるガンマ・ガウス・逆ウィシャートフィルタを提案する。
• データアソシエーションにおける計算複雑度を低減するため、測定尤度関数に近似を適用する。
• 共役事前分布と行列変量分布を用いて、事後分布の閉形式更新式を導出する。
• 部分対象パラメータの周辺尤度を近似するために、一般化された行列変量ベータ型II分布を用いる。

実験結果

リサーチクエスチョン

• RQ1 複数の楕円型部分対象として拡張ターゲットをモデル化することで、単一楕円モデルと比較して追跡精度が向上するか？
• RQ2 ランダム行列を用いたBayesフィルタフレームワークは、運動特性と拡張パラメータをどのように同時に推定できるか？
• RQ3 データアソシエーションの複雑さを低減するためのどの近似手法が、推定精度を損なわずに適用可能か？
• RQ4 ターゲット全体の形状が単一の幾何的形状では記述できないシナリオにおいて、提案モデルはどのように性能を発揮するか？
• RQ5 部分対象の分布と数が、拡張ターゲットトラッカーの推定性能に与える影響は何か？

主な発見

• 複雑なターゲット形状をとるシナリオにおいて、提案モデルは単一楕円拡張ターゲット追跡モデルを著しく上回る性能を示した。
• 複数の楕円型部分対象を用いることで、単一の楕円では捉えきれない形状のターゲットを正確に表現可能となった。
• ガンマ・ガウス・逆ウィシャートの実装により、閉形式でのBayes更新が可能となり、計算効率が向上した。
• 尤度関数への近似により、データアソシエーションの複雑さが低減された一方で、推定精度は維持された。
• シミュレーション結果から、従来手法と比較してターゲットの拡張、位置、姿勢の推定が改善された。
• PHD/CPHDフィルタとの統合により、複数ターゲットへのスケーラビリティを実現するフレームワークが構築された。