[논문 리뷰] Multi-Scan Implementation of the Trajectory Poisson Multi-Bernoulli Mixture Filter

Yuxuan Xia, Karl Granström외 3명|arXiv (Cornell University)|2019. 12. 04.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 54인용 수 27

한 줄 요약

이 논문은 다중 스캔 궤적 포isson 다이버지드 다중 베르누이 혼합(PMBM) 및 다중 베르누이 혼합(MBM) 필터를 제안하며, 궤적 중심의 N스캔 정제 및 이중 분해 기반 다중 프레임 할당을 통해 추적 연속성과 과거 데이터 할당 보정을 가능하게 한다. 핵심 기여는 다중 스캔 정보를 활용하면서도 닫힌 형태 필터링 재귀를 유지하면서 추적 정확도를 향상시키는 효율적이고 계산 가능성이 있는 구현이다.

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.

연구 동기 및 목표

• 다중 목표 추적에서 추적 연속성 유지를 및 과거 데이터 할당 오류를 보정하는 도전 과제를 해결하기 위해.
• 무작위 유한 집합을 사용하여 궤적 기반 다중 목표 추적을 위한 계산적으로 효율적이고 닫힌 형태의 필터링 솔루션을 개발하기 위해.
• PMBM 및 MBM 필터를 다중 스캔 프레임워크로 확장하여 다중 시간 단계에 걸친 데이터 할당을 공동 최적화하기 위해.
• 고정 레그 스무딩을 가능하게 하여 다중 스캔 구조를 활용해 추정 정확도를 향상시키기 위해.
• 복잡성을 관리하기 위해 궤적 중심의 N스캔 정제 및 이중 분해를 사용한 확장 가능한 구현을 제공하기 위해.

제안 방법

• 궤적을 무작위 유한 집합으로 모델링하여 다중 시간 단계에 걸친 데이터 할당을 공동 최적화할 수 있는 다중 스캔 궤적 PMBM 및 MBM 필터를 제안한다.
• 각 추적을 상태의 시퀀스로 표현하는 궤적 기반 설정을 사용하며, 존재 확률을 시간에 따라 유지하여 연속성을 확보한다.
• 추적 중심의 N스캔 정제를 적용하여 가설 수를 제한하고 과거 스캔 수를 제한함으로써 계산 복잡도를 감소시킨다.
• 다중 프레임 할당 문제를 효율적으로 해결하기 위해 이중 분해를 활용하며, 전역 최적화를 더 작고 다룰 수 있는 부분 문제로 분해한다.
• 다중 스캔 구조를 활용해 향후 측정치를 사용하여 과거 추정치를 개선하는 고정 레그 스무딩 방법을 구현한다.
• 존재 확률이 0 또는 1인 MBM01 매개변수화를 사용하여 계산 오버헤드를 감소시키면서도 정확도를 유지한다.

실험 결과

연구 질문

• RQ1 다중 스캔 필터링이 과거 결정을 보정함으로써 다중 목표 추적에서 데이터 할당 정확도를 향상시킬 수 있는가?
• RQ2 추정 정확도를 유지하면서 다중 스캔 궤적 필터링의 계산 복잡도를 어떻게 관리할 수 있는가?
• RQ3 궤적 기반 MTT에서 다중 프레임 할당 문제를 해결하는 데 이중 분해를 사용할 경우 성능 향상은 어떠한가?
• RQ4 제안된 다중 스캔 PMBM/MBM 필터는 단일 스캔 대비 추적 연속성과 추정 정확도 측면에서 어떻게 비교되는가?
• RQ5 MBM01 매개변수화는 추적 성능을 희생시키지 않고 다중 스캔 환경에 효과적으로 적용될 수 있는가?

주요 결과

• 제안된 다중 스캔 궤적 PMBM 및 MBM 필터는 다중 스캔에 걸쳐 공동 최적화를 통해 과거 결정을 보정함으로써 데이터 할당 정확도를 향상시킨다.
• 추적 중심의 N스캔 정제를 사용함으로써 계산 복잡도를 효과적으로 제한하면서도 높은 추적 성능를 유지한다.
• 이중 분해를 통해 다중 프레임 할당 문제를 효율적으로 해결할 수 있었으며, 브루트 포스 방법 대비 계산 시간을 크게 감소시켰다.
• 다중 스캔 구조를 기반으로 한 고정 레그 스무딩 방법은 향후 측정치를 활용해 과거 목표의 추정 정확도를 향상시킨다.
• MBM01 버전은 존재 확률이 0 또는 1로 제한되어 있어 가설 관리가 단순해지며 계산 복잡도가 감소하지만 높은 정확도를 유지한다.
• 시뮬레이션 결과는 제안된 필터가 OSPA(최적의 부분패턴 할당) 거리 및 OSPA2(Оspa2) 지표에서 단일 스캔 대비 우수한 전반적인 추적 성능를 보임을 입증한다.