[论文解读] Extended target Poisson multi-Bernoulli mixture trackers based on sets of trajectories

Yuxuan Xia, Karl Granström+3 more|arXiv (Cornell University)|Nov 19, 2019

Target Tracking and Data Fusion in Sensor Networks参考文献 30被引用 4

一句话总结

该论文提出两种基于轨迹集合上泊松多伯努利混合（PMBM）分布的扩展目标跟踪滤波器，实现了显式的轨迹连续性以及闭式预测/更新递推。该方法在准确性和计算效率方面均优于带标签的GLMB滤波器，轨迹切换极少，处理时间提速33倍。

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.

研究动机与目标

• 解决标准PMBM滤波器在扩展目标跟踪中缺乏显式轨迹连续性的问题。
• 将PMBM框架从目标集合扩展到轨迹集合，确保时间步之间轨迹估计的一致性。
• 推导在轨迹RFS上运行的扩展目标PMBM滤波器的闭式预测与更新方程。
• 在准确性、轨迹连续性和计算成本方面，将所提跟踪器与带标签的GLMB滤波器进行性能比较。
• 证明基于PMBM的轨迹滤波相比GLMB在扩展目标跟踪中具有更高效的参数化方式。

提出的方法

• 将多目标跟踪建模为轨迹的随机有限集（RFS），其中每个轨迹代表目标在时间上的完整路径。
• 在轨迹RFS上应用PMBM共轭先验，结合泊松RFS表示未检测到的目标，以及多伯努利混合表示已检测到的目标。
• 基于扩展目标的广义高斯逆威沙特（GGIW）模型，推导轨迹集合上PMBM密度的闭式预测与更新方程。
• 通过选择权重最高的MB分量并保留存在概率大于0.5的轨迹，实现轨迹提取。
• 以高斯Wasserstein距离（GWD）为基础度量，集成位置/扩展误差截断与轨迹切换成本，用于性能评估的轨迹度量。
• 采用100次蒙特卡洛仿真评估跟踪性能，包括误差指标与处理时间。

实验结果

研究问题

• RQ1 PMBM滤波器能否扩展至在轨迹集合上运行，同时保持闭式递推？
• RQ2 在复杂场景下，基于轨迹的PMBM滤波是否比带标签的GLMB滤波具有更好的轨迹连续性？
• RQ3 与带标签的GLMB滤波器相比，轨迹PMBM跟踪器在扩展目标跟踪中的计算复杂度如何？
• RQ4 与GLMB滤波器相比，PMBM跟踪器在多大程度上减少了轨迹切换错误？
• RQ5 与现有方法相比，轨迹PMBM跟踪器在滤波性能和处理时间方面是否更具效率？

主要发现

• 扩展目标PMBM跟踪器在轨迹估计误差方面优于δ-GLMB滤波器，总误差和误检误差显著更低。
• 该跟踪器表现出可忽略的轨迹切换错误，表明其在时间步之间具有稳定且一致的轨迹估计。
• PMBM跟踪器每序列处理时间为45秒，而GLMB滤波器为1502秒，实现33倍加速。
• PMBM跟踪器通过直接建模轨迹，实现了显式的轨迹连续性，避免了带标签滤波器常见的标签切换问题。
• GGIW-PMBM公式化实现了更高效的参数化，全局假设数量少于δ-GLMB，从而提升了性能并降低了计算成本。
• 仿真结果证实，基于PMBM的轨迹滤波器在扩展目标跟踪中，无论准确性还是计算效率，均优于最先进的δ-GLMB滤波器。