LiDAR Point Cloud-based Multiple Vehicle Tracking with Probabilistic Measurement-Region Association

要約

自動車用途における高精度の LiDAR およびレーダー センサーの開発により、複数の拡張ターゲット追跡 (ETT) への注目が高まっています。
この論文では、LiDAR 点群ベースの車両追跡について、ターゲット範囲をさまざまな領域に分割することで複雑な測定分布を記述することができる、確率的測定領域関連付け (PMRA) ETT モデルを紹介します。
PMRA モデルは、制約付き推定の近似誤差を排除し、連続積分を使用して関連付け確率をより確実に計算することにより、以前のデータ領域関連付け (DRA) モデルの欠点を克服します。
さらに、PMRA モデルは、複数の車両を追跡するためにポアソン マルチ ベルヌーイ混合物 (PMBM) フィルターと統合されています。
シミュレーション結果は、ガンマガウス逆ウィシャートおよび DRA 実装を使用した PMBM フィルターと比較して、車両の位置と範囲の両方に関して、提案された PMRA-PMBM フィルターの優れた推定精度を示しています。

要約(オリジナル)

Multiple extended target tracking (ETT) has gained increasing attention due to the development of high-precision LiDAR and radar sensors in automotive applications. For LiDAR point cloud-based vehicle tracking, this paper presents a probabilistic measurement-region association (PMRA) ETT model, which can describe the complex measurement distribution by partitioning the target extent into different regions. The PMRA model overcomes the drawbacks of previous data-region association (DRA) models by eliminating the approximation error of constrained estimation and using continuous integrals to more reliably calculate the association probabilities. Furthermore, the PMRA model is integrated with the Poisson multi-Bernoulli mixture (PMBM) filter for tracking multiple vehicles. Simulation results illustrate the superior estimation accuracy of the proposed PMRA-PMBM filter in terms of both positions and extents of the vehicles comparing with PMBM filters using the gamma Gaussian inverse Wishart and DRA implementations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google