[論文レビュー] Multi-Scan Implementation of the Trajectory Poisson Multi-Bernoulli Mixture Filter

Yuxuan Xia, Karl Granström+3 more|arXiv (Cornell University)|Dec 4, 2019

Target Tracking and Data Fusion in Sensor Networks参考文献 54被引用数 27

ひとこと要約

本稿では、トラック指向のNスキャンプリーニングとデュアル分解に基づくマルチフレームアサインメントを用いて、トラック連続性と過去のデータアソシエーション補正を可能にする、マルチスキャン軌道Poisson多ベルヌーイ混合（PMBM）および多ベルヌーイ混合（MBM）フィルタを提案する。主な貢献は、閉形式のフィルタリング再帰を維持しながら、マルチスキャン情報を利用することで追跡精度を向上させる、計算的に扱いやすい実装の確立である。

ABSTRACT

The Poisson multi-Bernoulli mixture (PMBM) and the multi-Bernoulli mixture (MBM) are two multi-target distributions for which closed-form filtering recursions exist. The PMBM has a Poisson birth process, whereas the MBM has a multi-Bernoulli birth process. This paper considers a recently developed formulation of the multi-target tracking problem using a random finite set of trajectories, through which the track continuity is explicitly established. A multi-scan trajectory PMBM filter and a multi-scan trajectory MBM filter, with the ability to correct past data association decisions to improve current decisions, are presented. In addition, a multi-scan trajectory $ ext{MBM}_{01}$ filter, in which the existence probabilities of all Bernoulli components are either 0 or 1, is presented. This paper proposes an efficient implementation that performs track-oriented $N$-scan pruning to limit computational complexity, and uses dual decomposition to solve the involved multi-frame assignment problem. The performance of the presented multi-target trackers, applied with an efficient fixed-lag smoothing method, are evaluated in a simulation study.

研究の動機と目的

• マルチターゲット追跡におけるトラック連続性の維持と過去のデータアソシエーション誤りの是正に取り組むこと。
• 確率的有限集合を用いた軌道ベースのマルチターゲット追跡のための、計算的に効率的で閉形式のフィルタリングソリューションを開発すること。
• PMBMおよびMBMフィルタを、複数時間ステップにわたるデータアソシエーションを統合最適化するマルチスキャンフレームワークに拡張すること。
• 固定ラグスムージングを可能にするために、マルチスキャン構造を活用して推定精度を向上させること。
• 複雑さを管理するために、トラック指向のNスキャンプリーニングとデュアル分解を用いたスケーラブルな実装を提供すること。

提案手法

• トラジェクトリを確率的有限集合としてモデル化するマルチスキャン軌道PMBMおよびMBMフィルタを提案し、複数スキャンにわたるデータアソシエーションを統合最適化可能にする。
• 各トラックを状態の系列として表現する軌道ベースの定式化を採用し、存在確率を時間経過で維持することで連続性を確保する。
• トラック指向のNスキャンプリーニングを適用し、考慮対象とする過去スキャン数を制限することで仮説数を制限し、計算複雑度を低減する。
• マルチフレームアサインメント問題を効率的に解くためにデュアル分解を採用し、グローバル最適化をより取り扱いやすい部分問題に分解する。
• 固定ラグスムージング法を実装し、マルチスキャン構造を活用して将来の測定値を用いて過去の推定値を改善する。
• 存在確率が0または1に制限されるMBM01パrameterizationを用いることで、仮説管理を簡素化し、計算オーバーヘッドを低減しながらも精度を維持する。

実験結果

リサーチクエスチョン

• RQ1 マルチスキャンフィルタリングにより、複数スキャンにわたる統合最適化によって過去の意思決定を是正することで、マルチターゲット追跡におけるデータアソシエーション精度を向上させることができるか？
• RQ2 推定精度を維持しつつ、マルチスキャン軌道フィルタリングの計算複雑度をどのように管理できるか？
• RQ3 軌道ベースのMTTにおけるマルチフレームアサインメント問題を解くためにデュアル分解を用いることで、どのような性能向上が得られるか？
• RQ4 提案されたマルチスキャンPMBM/MBMフィルタは、単一スキャンの対応手法と比較して、トラック連続性および推定精度の面でどのように優れているか？
• RQ5 存在確率が0または1に制限されるMBM01パラメータライゼーションは、追跡性能を損なわせることなく、マルチスキャン文脈に効果的に適用可能か？

主な発見

• 提案されたマルチスキャン軌道PMBMおよびMBMフィルタは、複数スキャンにわたる統合最適化により、過去の意思決定の是正を実現し、データアソシエーション精度が向上している。
• トラック指向のNスキャンプリーニングの適用により、計算複雑度が効果的に制限されつつも、高い追跡性能が維持されている。
• デュアル分解によりマルチフレームアサインメント問題が効率的に解かれており、ブルートフォース法と比較して計算時間が著しく短縮されている。
• マルチスキャン構造を活用した固定ラグスムージング法により、将来の測定値を用いて過去のターゲット推定精度が向上している。
• MBM01バージョンは、存在確率が0または1に制限されることで、計算量が削減されながらも高い精度を維持しており、仮説管理が簡素化されている。
• シミュレーション結果から、提案フィルタはOSPA（最適部分パターン割り当て）距離およびOSPA2（Ospa2）指標において、単一スキャンの対応手法を上回っていることが示され、全体的な追跡性能の向上が裏付けられている。