[논문 리뷰] Hybrid Poisson and multi-Bernoulli filters

Jason Williams|arXiv (Cornell University)|2012. 03. 14.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 8인용 수 53

한 줄 요약

이 논문은 감지되지 않은 목표물에 대해 미리 존재하는 포아송 성분을 유지하고, 존재 확률이 낮은 베르누이 트랙을 이 성분으로 재활용함으로써 트랙 초기화 속도를 햖스하는 하이브리드 포아송-다중 베르누이 필터를 제안한다. 이 방법은 추적 성능을 유지하면서도 활성 트랙 수를 최대 90%까지 감소시켜, 베이즈 RFS 필터의 자연스러운 구조를 활용하고 효율적인 성분 재활용을 통해 계산 비용을 최소화한다.

ABSTRACT

The probability hypothesis density (PHD) and multi-target multi-Bernoulli (MeMBer) filters are two leading algorithms that have emerged from random finite sets (RFS). In this paper we study a method which combines these two approaches. Our work is motivated by a sister paper, which proves that the full Bayes RFS filter naturally incorporates a Poisson component representing targets that have never been detected, and a linear combination of multi-Bernoulli components representing targets under track. Here we demonstrate the benefit (in speed of track initiation) that maintenance of a Poisson component of undetected targets provides. Subsequently, we propose a method of recycling, which projects Bernoulli components with a low probability of existence onto the Poisson component (as opposed to deleting them). We show that this allows us to achieve similar tracking performance using a fraction of the number of Bernoulli components (i.e., tracks).

연구 동기 및 목표

• 감지되지 않은 목표물에 대해 베이즈 RFS 필터의 자연스러운 포아송 성분을 활용하여 다중 목표 추적에서 트랙 초기화 성능을 향상시키는 것.
• 추적 정확도를 떨어뜨리지 않고 활성 베르누이 트랙 수를 최소화하여 계산 비용을 줄이는 것.
• 낮은 존재 확률을 가진 베르누이 성분을 포아송 성분으로 재활용하는 원칙적인 방법을 개발하는 것.
• 포아송 성분으로 다중 베르누이 성분을 근사함으로써 발생하는 왜곡이 얼마나 되는지 이론적으로 분석하고, 이로 인해 성능 저하가 발생하지 않도록 보장하는 것.
• 해당 근사화가 초래하는 왜곡에 대한 이론적 근거를 제공하는 것.

제안 방법

• 필터는 감지되지 않은 목표물을 나타내는 포아송 성분과 추적 중인 목표물을 위한 다중 베르누이 성분을 유지하며, RFS 프레임워크에 기반한다.
• 재활용 메커니즘은 존재 확률이 낮은 베르누이 성분을 포아송 성분으로 투영함으로써 활성 트랙 수를 줄인다.
• 포아송 강도를 격자 기반으로 이산화하여 효율적인 계산을 가능하게 한다.
• 실제 분포와 근사된 분포 사이의 쿨백-라이블러 발산을 이론적으로 한계화하여, 재활용을 위한 존재 확률 임계값 선택을 안내한다.
• 균일한 정적 시나리오와 동적 시야 변화가 있는 민첩한 센서 환경을 모두 활용하여 방법을 검증한다.
• 하이브리드 근사화를 지원하여, 가우시안 믹스처 성분을 분산이 충분히 커질 때까지 유지하고, 이후 격자 기반 포아송 표현으로 전환한다.

실험 결과

연구 질문

• RQ1 감지되지 않은 목표물에 대해 포아송 성분을 유지하는 것이 다중 목표 추적에서 트랙 초기화 성능을 향상시킬 수 있는가?
• RQ2 낮은 존재 확률을 가진 베르누이 성분을 포아송 성분으로 재활용하는 데 최적의 임계값은 무엇인가?
• RQ3 포아송 근사화로 인해 발생하는 왜곡은 추적 정확도에 어떤 영향을 미치며, 이를 이론적으로 한계화할 수 있는가?
• RQ4 포아송 성분의 굵은 격자 표현이 정밀한 격자 또는 샘플 기반 방법과 비교해도 성능을 유지할 수 있는가?
• RQ5 하이브리드 포아송-다중 베르누이 필터는 기존 MeMBer 필터보다 훨씬 적은 활성 트랙 수로 더 뛰어난 성능을 달성할 수 있는가?

주요 결과

• 하이브리드 포아송-다중 베르누이 필터는 감지되지 않은 목표물에 대해 자연스러운 포아송 성분을 활용함으로써 뛰어난 트랙 초기화 성능을 달성한다.
• 낮은 존재 확률을 가진 베르누이 성분을 포아송 성분으로 재활용함으로써 활성 트랙 수를 최대 90%까지 감소시키면서도 추적 정확도를 유지한다.
• 해당 방법은 조잡한 격자 이산화에도 불구하고 강건성을 유지한다 — 예를 들어, 해상도 4와 측정 분산 1 조건에서도 성능 저하 없이 작동함을 입증하였다.
• 이론적 분석을 통해 포아송 근사화로 인한 KL 발산은 부분합성질을 가지며, 이는 재활용을 위한 임계값 선택에 원칙적인 근거를 제공한다.
• 센서 정확도보다 몇 배 더 굵은 격자 해상도를 가진 격자 기반 포아송 표현이 매우 낮은 트랙 삭제 임계값을 사용하는 시스템과 동등한 성능을 달성한다.
• 이 방법은 RFS 프레임워크에 기반하여 기존 히우리스틱 방법보다 더 일관된 원칙에 기반하여, 전체 베이즈 필터링 원칙과 부합함을 보여준다.