[논문 리뷰] Extended target Poisson multi-Bernoulli mixture trackers based on sets of trajectories

Yuxuan Xia, Karl Granström외 3명|arXiv (Cornell University)|2019. 11. 19.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 30인용 수 4

한 줄 요약

이 논문은 궤적 집합에 대한 포isson 다중 베르누이 혼합(PMBM) 분포를 기반으로 한 두 가지 확장된 목표 추적 필터를 제안하며, 명시적 트랙 연속성과 폐쇄형 예측/업데이트 재귀를 가능하게 한다. 이 방법은 정확도와 계산 효율성 측면에서 라벨이 부여된 GLMB 필터를 능가하며, 트랙 전환은 극히 적고 처리 시간이 33배 빨라진다.

ABSTRACT

The Poisson multi-Bernoulli mixture (PMBM) is a multi-target distribution for which the prediction and update are closed. By applying the random finite set (RFS) framework to multi-target tracking with sets of trajectories as the variable of interest, the PMBM trackers can efficiently estimate the set of target trajectories. This paper derives two trajectory RFS filters for extended target tracking, called extended target PMBM trackers. Compared to the extended target PMBM filter based on sets on targets, explicit track continuity between time steps is provided in the extended target PMBM trackers.

연구 동기 및 목표

• 기존 PMBM 필터가 확장된 목표 추적에서 명시적 트랙 연속성이 부족한 문제를 해결하기 위해.
• 표준 PMBM 프레임워크를 목표 집합에서 궤적 집합으로 확장하여 시간 단계 간 일관된 궤적 추정을 보장하기 위해.
• 궤적 RFS 기반의 확장된 목표 PMBM 필터에 대해 폐쇄형 예측 및 업데이트 방정식을 유도하기 위해.
• 정확도, 트랙 연속성, 계산 비용 측면에서 제안된 트래커의 성능을 라벨이 부여된 GLMB 필터와 비교하기 위해.
• PMBM 기반 궤적 필터링이 확장된 목표 추적에 있어 GLMB보다 더 효율적인 파arameterization을 제공함을 보여주기 위해.

제안 방법

• 다중 목표 추적 문제를 시간에 따라 목표의 완전한 경로를 나타내는 궤적의 무작위 유 finit 집합(RFS)으로 모델링한다.
• 궤적 RFS에 대해 PMBM 공액 사전을 적용하여, 탐지되지 않은 목표는 포isson RFS로, 탐지된 목표는 다중 베르누이 혼합으로 표현한다.
• 궤적 집합에 대한 PMBM 밀도에 대해 폐쇄형 예측 및 업데이트 방정식을 유도하며, 확장된 목표의 크기와 운동 특성에 대해 감마-가우시안 역위샤르트(GGIW) 모델을 사용한다.
• 가장 높은 가중치를 가진 MB 성분을 선택하여 궤적 추출을 수행하고, 존재 확률이 0.5 초과인 궤적만 유지한다.
• 성능 평가를 위해 기초 지표로 가우시안 워샤르트 거리(GWD)를 사용하며, 위치/크기 오차의 한계와 트랙 전환 비용을 포함한 궤적 지표로 통합한다.
• 성능 평가를 위해 100회의 몬테카를로 시뮬레이션을 실시하여 오차 지표와 처리 시간을 포함한다.

실험 결과

연구 질문

• RQ1 PMBM 필터는 폐쇄형 재귀를 유지하면서 궤적 집합에서 작동하도록 확장될 수 있는가?
• RQ2 어려운 시나리오에서 궤적 기반 PMBM 필터링은 라벨이 부여된 GLMB 필터보다 더 나은 트랙 연속성을 제공하는가?
• RQ3 궤적 PMBM 트래커의 계산 복잡도는 확장된 목표 추적에서 라벨이 부여된 GLMB 필터와 비교해 어떻게 되는가?
• RQ4 PMBM 트래커는 GLMB 필터에 비해 트랙 전환 오차를 어느 정도 감소시키는가?
• RQ5 기존의 확장된 목표 추적 방법에 비해 궤적 PMBM 트래커는 필터링 성능과 처리 시간 측면에서 더 효율적인가?

주요 결과

• 확장된 목표 PMBM 트래커는 δ-GLMB 필터보다 궤적 추정 오차에서 뛰어난 성능을 보이며, 총 오차와 오발견 오차가 유의미하게 낮다.
• 트랙 전환 오차가 극히 적어 시간 단계 간 안정적이고 일관된 궤적 추정이 가능함을 시사한다.
• PMBM 트래커의 처리 시간은 시퀀스당 45초였고, GLMB 필터는 1502초였으며, 이는 33배의 속도 향상이다.
• PMBM 트래커는 직접적으로 궤적을 모델링함으로써 명시적 트랙 연속성을 유지하여 라벨이 부여된 필터에서 흔히 발생하는 라벨 전환 문제를 피한다.
• GGIW-PMBM 구성은 δ-GLMB보다 더 적은 전역 가설을 필요로 하여 효율적인 파arameterization을 가능하게 하며, 성능 향상과 낮은 계산 비용에 기여한다.
• 시뮬레이션 결과는 PMBM 기반 궤적 필터가 확장된 목표 추적에 있어 최신 기술인 δ-GLMB 필터보다 더 정확하고 계산 효율성이 뛰어나다는 것을 확인한다.