Counter-Hypothetical Particle Filters for Single Object Pose Tracking

要約

粒子フィルタリングは、オブジェクトの姿勢に対する信念を扱いやすく表現できるため、6 自由度 (6D) 姿勢推定の一般的な手法です。
ただし、6D ポーズの高次元の性質により、パーティクル フィルターはパーティクルが不足する傾向があります。
粒子の剥奪が発生すると、重要度サンプリング中に基礎となる信念分布のモード崩壊が発生する可能性があります。
真の状態を囲む領域がモード崩壊を起こしている場合、その領域は粒子によって形成される確率質量で表現されなくなるため、その確信を回復することは困難です。
これまでの方法では、信念分布内の粒子をランダム化してリセットすることでこの問題を軽減していましたが、再活性化の頻度の決定は抽象的なヒューリスティックを手動で調整することに依存していました。
この論文では、標準尤度とともに使用される反仮説尤度関数を導入することにより、各タイム ステップで必要な再活性化率を推定します。
Evidential Reasoning のもっともらしさとあり得ないという概念に触発され、反仮説尤度関数を追加することで、各粒子に疑いのレベルが割り当てられます。
粒子セット全体にわたる信頼性と疑いの競合する累積値は、再活性化される粒子の部分を決定するために、フィルター内の障害レベルを推定するために使用されます。
剛体オブジェクトの 6D ポーズ追跡タスクに対するこの方法の有効性を実証します。

要約(オリジナル)

Particle filtering is a common technique for six degree of freedom (6D) pose estimation due to its ability to tractably represent belief over object pose. However, the particle filter is prone to particle deprivation due to the high-dimensional nature of 6D pose. When particle deprivation occurs, it can cause mode collapse of the underlying belief distribution during importance sampling. If the region surrounding the true state suffers from mode collapse, recovering its belief is challenging since the area is no longer represented in the probability mass formed by the particles. Previous methods mitigate this problem by randomizing and resetting particles in the belief distribution, but determining the frequency of reinvigoration has relied on hand-tuning abstract heuristics. In this paper, we estimate the necessary reinvigoration rate at each time step by introducing a Counter-Hypothetical likelihood function, which is used alongside the standard likelihood. Inspired by the notions of plausibility and implausibility from Evidential Reasoning, the addition of our Counter-Hypothetical likelihood function assigns a level of doubt to each particle. The competing cumulative values of confidence and doubt across the particle set are used to estimate the level of failure within the filter, in order to determine the portion of particles to be reinvigorated. We demonstrate the effectiveness of our method on the rigid body object 6D pose tracking task.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google