Extended Object Tracking and Classification based on Linear Splines

要約

この論文では、2 次元の拡張オブジェクトの追跡と分類のための線形スプラインに基づくフレームワークを紹介します。
最先端のモデルとは異なり、線形スプラインを使用すると、輪郭が任意の複雑な曲線である拡張オブジェクトを表現できます。
ノイズの多い測定値が拡張オブジェクトの輪郭上の任意の点から散在する可能性がある場合には正確な尤度が導出されますが、散乱点がどこにでも存在する可能性がある場合、つまり輪郭の内側または輪郭上にある場合には近似モンテカルロ尤度が提供されます。
、物体の表面に。
このような可能性を利用して、観察されたデータが特定の形状にどの程度適合するかを測定し、適切な推定器が開発されます。
提案された推定器は、運動学的状態の観点から拡張オブジェクトをモデル化し、オブジェクトの位置と向き、およびオブジェクトの輪郭と表面を特徴付ける形状ベクトルを提供します。
運動学的状態は非線形カルマン フィルターを介して推定され、形状ベクトルはベイジアン分類器を介して推定されるため、形状推定中に分類が暗黙的に解決されます。
数値実験は、最先端の拡張オブジェクト推定器と比較して、提案された拡張オブジェクト推定器の有効性を評価するために提供されます。

要約(オリジナル)

This paper introduces a framework based on linear splines for 2-dimensional extended object tracking and classification. Unlike state of the art models, linear splines allow to represent extended objects whose contour is an arbitrarily complex curve. An exact likelihood is derived for the case in which noisy measurements can be scattered from any point on the contour of the extended object, while an approximate Monte Carlo likelihood is provided for the case wherein scattering points can be anywhere, i.e. inside or on the contour, on the object surface. Exploiting such likelihood to measure how well the observed data fit a given shape, a suitable estimator is developed. The proposed estimator models the extended object in terms of a kinematic state, providing object position and orientation, along with a shape vector, characterizing object contour and surface. The kinematic state is estimated via a nonlinear Kalman filter, while the shape vector is estimated via a Bayesian classifier so that classification is implicitly solved during shape estimation. Numerical experiments are provided to assess, compared to state of the art extended object estimators, the effectiveness of the proposed one.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google