[논문 리뷰] Extended Object Tracking: Introduction, Overview and Applications

Karl Granström, Marcus Baum외 1명|GoeScholar The Publication Server of the Georg-August-Universität Göttingen (Georg-August-Universität Göttingen)|2016. 03. 14.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 199인용 수 224

한 줄 요약

확장 객체 추적에 대한 포괄적 설문으로 문제 정의, 형태 및 상태 모델링 개요, 단일 및 다중 객체 추적 방법과 센서 전반의 응용에 대한 검토.

ABSTRACT

This article provides an elaborate overview of current research in extended object tracking. We provide a clear definition of the extended object tracking problem and discuss its delimitation to other types of object tracking. Next, different aspects of extended object modelling are extensively discussed. Subsequently, we give a tutorial introduction to two basic and well used extended object tracking approaches - the random matrix approach and the Kalman filter-based approach for star-convex shapes. The next part treats the tracking of multiple extended objects and elaborates how the large number of feasible association hypotheses can be tackled using both Random Finite Set (RFS) and Non-RFS multi-object trackers. The article concludes with a summary of current applications, where four example applications involving camera, X-band radar, light detection and ranging (lidar), red-green-blue-depth (RGB-D) sensors are highlighted.

연구 동기 및 목표

• 확장 객체 추적을 정의하고 이를 포인트 추적 및 윤곽 추적과 구분한다.
• 확장 객체를 위한 객체 상태, 측정, 형상(모양), 역학 모델링을 조사한다.
• 두 가지 기본 확장 객체 추적 접근 방식(랜덤 행렬 모델과 칼만 필터 기반의 스타-볼록 형상)을 소개하고 비교한다.
• 다중 객체 확장에 대해 논의하고 Random Finite Sets와 비-RFS 트래커를 통해 다수의 연관 가설을 어떻게 관리하는지 다룬다.
• lidar, radar, camera, 및 RGB-D 센서 전반에 걸친 현재 응용을 강조하고 향후 경향을 제시한다.

제안 방법

• 트래킹 유형의 형식적 정의와 분류 체계를 제시한다(포인트, 확장, 그룹, 다중 경로).
• 위치, 운동학, 확장(형상/크기/방향) 등 객체 상태 구성 요소를 상세히 설명한다.
• 측정 모델링 옵션: 반사점 집합(sprb), 공간 포아송 포인트 프로세스(PPP), 이항/기타 모델과 각 모델의 가능도 형태를 설명한다.
• 형상 모델링 수준(형상 없음, 기본 기하학적 형상, 임의 형상)과 대응하는 측정 분포를 설명한다.
• 객체의 움직임에 대한 동역학 모델링과 확장 객체 상태 추정과의 통합을 개략한다.
• 두 가지 핵심 확장 객체 추적 접근 방식인 랜덤 매트릭스 모델과 스타-볼록 형상에 대한 랜덤 초평면 모델(RHM)을 비교한다.
• Random Finite Sets(RFS)와 비-RFS 방법을 통한 다중 객체 추적의 접근 방법을 논의한다.

실험 결과

연구 질문

• RQ1 확장 객체와 그 확장을 sparse한 다중 센서 측정에서 형태와 모션을 정확하게 추론하기 위해 어떻게 모델링해야 하는가?
• RQ2 확장 객체 확장 추정에 대한 랜덤 매트릭스 모델과 랜덤 초평면 모델의 장단점은 무엇인가?
• RQ3 조합적 데이터 연관성에 직면한 상황에서 확장 객체를 이용한 다중 객체 추적을 어떻게 효율적으로 수행할 수 있는가?
• RQ4 대표적인 응용 사례와 확장 객체 추적이 실제로 시연되는 센서 modality는 무엇인가?

주요 결과

• 확장 객체 추적은 여러 센서 해상도 셀을 차지하는 객체를 다루고 형상과 운동을 함께 추정해야 한다.
• 두 가지 주요 모델링 접근 방식은 랜덤 매트릭스 모델과 스타-볼록 형상에 대한 랜덤 초평면 모델이다.
• 측정 모델링은 데이터 연관성과 함께 점 반사 모델(sprb), 공간 포아송 포인트 프로세스(PPP) 모델, 또는 이항 기반 모델을 센서 및 상황에 따라 사용할 수 있다.
• 형상 모델링은 형상이 전혀 없는 것에서 간단한 기하학적 형상, 임의 형상에 이르기까지 다양하며 정확도와 계산 복잡성 간의 트레이드오프가 있다.
• 다중 확장 객체 추적은 방대한 데이터 연관 공간을 관리해야 하며, 이를 위해 Random Finite Sets와 비-RFS 트래커가 확장 가능한 해결책을 제공한다.
• 본 조사는 카메라, X-band radar, lidar, 및 RGB-D 센서 전반에 걸친 응용을 다루며 확장 객체 추적의 실용적 배치를 보여준다.