[論文レビュー] Multi-Sensor Multi-object Tracking with the Generalized Labeled Multi-Bernoulli Filter

Ba‐Ngu Vo, Ba-Tuong Vo|arXiv (Cornell University)|Feb 28, 2017

Target Tracking and Data Fusion in Sensor Networks被引用数 4

ひとこと要約

本稿では、一般化ラベル付きマルチ・ベルヌーイ（GLMB）フィルタに基づく、効率的でオンラインなマルチセンサ・マルチオブジェクト追跡アルゴリズムを提示する。予測と更新のステップを統合し、GLMB密度の有効な断片化にギブスサンプリングを用いる。この手法により、センサの測定値に対して線形の複雑度、仮説的なトラックに対して二次の複雑度を達成し、スケーラブルで順序に依存しない追跡を実現するとともに、計算負荷を低減し、成分の保持を向上させる。

ABSTRACT

This paper proposes an efficient implementation of the multi-sensor generalized labeled multi-Bernoulli (GLMB) filter. The solution exploits the GLMB joint prediction and update together with a new technique for truncating the GLMB filtering density based on Gibbs sampling. The resulting algorithm has quadratic complexity in the number of hypothesized object and linear in the number of measurements of each individual sensors.

研究の動機と目的

• ラベル付きRFSフレームワークを用いた正確なマルチセンサ・マルチオブジェクト追跡の計算的に非実行可能な問題に対処すること。
• センサの更新順序に依存し、おそらく重要となる成分を無視するヒューリスティックな「繰り返し補正」手法の制限を克服すること。
• マルチセンサGLMBフィルタの原理的でスケーラブルかつ順序に依存しない実装を開発すること。
• 有効なGLMBフィルタリング密度の断片化を可能にすることで、計算コストを低減しつつ精度を維持すること。

提案手法

• マルチセンサGLMBフィルタに対して、予測と更新ステップを1つの結合操作に統合する。
• GLMBフィルタリング密度の断片化にギブスサンプリングを用い、複数のセンサの更新においても顕著な成分を保持する。
• 複数のセンサ間の結合関連を近似するために、センサごとの関連確率に基づく代替的ターゲット分布を用いる。
• センサ固有の遷移モデルと正規化確率から導出される関連重みを用いた、逐次的更新戦略を適用する。
• センサ固有の尤度と正規化定数を用いて、トラックから測定値への関連の条件付き確率を導出する。
• ギブスサンプリングの後に成分の重みを補正し、完全なGLMBフィルタリング密度と整合性を保つ。

実験結果

リサーチクエスチョン

• RQ1 ヒューリスティックで順序依存の更新戦略に依存せずに、マルチセンサGLMBフィルタを効率的に実装できるか？
• RQ2 マルチセンサ環境下でGLMB密度を効果的に断片化することで、計算コストを削減しつつ精度を維持できるか？
• RQ3 センサごとの関連独立性の仮定が、結合マルチセンサ追跡性能に与える影響は何か？
• RQ4 ギブスサンプリングをラベル付きRFSフレームワーク内で、複数のセンサ更新にわたって重要な成分を保持できるように適応可能か？
• RQ5 提案されたアルゴリズムの計算複雑度は、センサの測定値と仮説的なトラックの数に関してどのように定式化できるか？

主な発見

• 提案されたアルゴリズムは、センサごとの測定値の数に対して線形の複雑度、仮説的なトラックの数に対して二次の複雑度を達成する。
• GLMB断片化にギブスサンプリングを用いることで、逐次的更新スキームで無視されがちな成分を保持できる。
• この手法は順序に依存せず、繰り返し補正手法に内在する更新順序依存性を回避する。
• センサごとの関連確率の積に基づく代替的ターゲット分布は、元のターゲットと一貫したサポートを維持する。
• 複数のセンサ更新後に重要となる可能性のある成分を保持できるため、従来の繰り返し補正手法に比べて性能が優れる。
• 予測と更新の統合により、計算オーバーヘッドが低減し、マルチセンサ環境における追跡精度が向上する。