[논문 리뷰] Poisson Multi-Bernoulli Approximations for Multiple Extended Object Filtering

Yuxuan Xia, Karl Granström외 4명|arXiv (Cornell University)|2018. 01. 04.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 71인용 수 4

한 줄 요약

이 논문은 각 측정값이 새로운 베르누이 성분을 생성하는 새로운 局소 가설 표현을 도입하여, 다수의 확장 객체 추적을 위한 계산적으로 효율적인 두 종류의 포아송 다중베르누이(PMB) 필터를 제안한다. 트랙 중심 및 변분 다중베르누이 근사 방법을 사용함으로써, PMB 필터는 상당히 감소된 복잡도로 근사 PMBM 성능를 달성한다. 특히, 변분 방법이 트랙 중심 접근보다 우수한 성능를 보이는 고융합 시나리오에서 유리하다.

ABSTRACT

The Poisson multi-Bernoulli mixture (PMBM) is a multi-object conjugate prior for the closed-form Bayes random finite sets filter. The extended object PMBM filter provides a closed-form solution for multiple extended object filtering with standard models. This paper considers computationally lighter alternatives to the extended object PMBM filter by propagating a Poisson multi-Bernoulli (PMB) density through the filtering recursion. A new local hypothesis representation is presented where each measurement creates a new Bernoulli component. This facilitates the developments of methods for efficiently approximating the PMBM posterior density after the update step as a PMB. Based on the new hypothesis representation, two approximation methods are presented: one is based on the track-oriented multi-Bernoulli (MB) approximation, and the other is based on the variational MB approximation via Kullback-Leibler divergence minimisation. The performance of the proposed PMB filters with gamma Gaussian inverse-Wishart implementations are evaluated in a simulation study.

연구 동기 및 목표

• 확장 객체 포아송 다중베르누이 혼합(PMBM) 필터의 계산 복잡도를 줄이면서도 추정 정확도를 유지하는 것.
• 베르누이 성분의 수를 결정하고, 어떤 가설을 병합할지 선택하며, 효과적으로 병합하는 데 도전하는 문제를 해결하는 것.
• 각 측정값이 새로운 베르누이 성분을 생성하는 더 효율적인 국소 가설 표현을 개발하여, 기존의 부분집합 기반 표현에 비해 성분 수를 감소시키는 것.
• 트랙 중심 및 변분 방법을 사용한 두 가지 PMB 근사 방법을 확장 객체 추적에 적용하고, 감마-정규 분포 역위샤르트(GGIW) 모델을 사용하여 평가하는 것.
• 제안된 PMB 필터가 정확도와 계산 효율성 사이의 우수한 트레이드오프를 제공함을 보여주는 것—특히 밀도 높은 및 융합이 발생하는 시나리오에서

제안 방법

• 각 측정값이 고유한 베르누이 성분을 생성하는 새로운 국소 가설 표현을 도입하여, 부분집합 기반 표현에 비해 성분 수를 크게 감소시킨다.
• 가장 가까운 이웃 유사 할당을 사용하여 가설을 병합하는 트랙 중심 PMB(TO-PMB) 필터를 개발하여, 예측 및 업데이트 단계에서 계산 비용을 최소화한다.
• 진짜 PMBM 사후확률과 근사된 PMB 밀도 사이의 쿨백-라이블러 발산을 최소화하는 변분 PMB(V-PMB) 필터를 제안하여 정확도를 향상시킨다.
• 확장 객체 상태의 폐쇄형 전파를 가능하게 하는 감마-정규 분포 역위샤르트(GGIW) 가족을 사용하여 두 필터를 구현한다.
• 예측 및 업데이트 단계를 반복적으로 적용하여, 필터링 과정 全 과정에서 PMB 밀도를 유지한다.
• 객체 상태 및 생성 과정을 모델링하기 위해 GGIW 가족을 사용하여 공액 필터링과 사후모멘트 효율 계산을 가능하게 한다.

실험 결과

연구 질문

• RQ1 확장 객체 PMBM 필터의 PMB 근사를 계산 복잡도를 크게 줄이고도 높은 추정 정확도를 유지할 수 있는가?
• RQ2 부분집합 기반 표현에 비해 측정 기반 국소 가설 표현은 성분 수와 필터링 성능 측면에서 어떻게 비교되는가?
• RQ3 KL 발산 최소화 기반의 변분 PMB 근사는 높은 데이터 할당 불확실성 또는 객체 융합가능성이 있는 시나리오에서 트랙 중심 MB 근사보다 우수한가?
• RQ4 제안된 PMB 필터는 전체 PMBM 필터 및 기타 최신 기술(예: MBM, LMB)에 비해 GOSPA 오차와 계산 시간 측면에서 어떻게 성능을 내는가?
• RQ5 생성 모델 선택(포아송 대비 다중베르누이)이 PMB 기반 확장 객체 필터의 성능과 효율성에 어떤 영향을 미치는가?

주요 결과

• 모든 시나리오에서 PMBM 필터가 가장 우수한 추정 성능를 보이며, 성능 기준이 된다.
• 변분 근사 기반의 V-PMB-LP 필터는 PMBM 필터에 가장 가까운 추정 성능를 달성하며, 특히 고융합 시나리오에서 TO-PMB-M 필터보다 뚜렷이 뛰어난 성능를 보인다.
• 더 많은 베르누이 성분을 생성하는 TO-PMB-C 버전은 TO-PMB-M 대비 略적으로 더 높은 정확도를 보이지만, 성분 수 증가로 인해 계산 비용이 더 높다.
• 포아송 생성 모델을 사용한 모든 PMB 필터는 다중베르누이(MB) 생성 모델을 사용한 경우보다 추정 정확도와 계산 효율성 양면에서 뛰어나다.
• V-PMB-LP 필터는 더 적은 수의 베르누이 성분을 유지함으로써 데이터 할당 불확실성이 가장 낮아, 측정값과 객체 간의 할당에 대한 모호성이 감소한다.
• V-PMB-LP 필터의 평균 사이클 시간은 PMBM 필터보다 뚜렷이 낮아, 성능 손실를 최소화하면서도 강력한 계산적 이점을 확보한다.