Sensor Fusion and Tracking Toolbox 入門
位置推定に関する用語の定義
加速度計
- 物体の加速度を測定するセンサー
ジャイロスコープ
- 物体の角速度を測定するセンサー
磁力計
- 物体周囲の磁場を測定するセンサー
IMU (慣性計測ユニット)
- 加速度計とジャイロスコープで構成される装置
MARG (磁気、角速度、重力)
- 磁力計、ジャイロスコープ、加速度計としても知られる
AHRS (姿勢・方位参照システム)
- 加速度計、ジャイロスコープ、磁力計のデータを融合し、物体の姿勢情報を提供するシステム (MARG +フュージョン アルゴリズム)
GPS (全地球測位システム)
- 正確な測位を可能にする人工衛星ベースのシステム
INS (慣性航法システム)
- 加速度計、ジャイロスコープ、磁力計、場合によっては高度計のデータを融合し、外部情報に依存せずに移動物体の位置、向き、速度を継続的に計算するシステム
GPS/INS
- GPS 情報と INS 情報を融合するシステム
注:
フィルターは計算量順。
| フィルター名 | 非線形モデル | ガウス分布 | 計算量 | 説明 |
|---|---|---|---|---|
| アルファ-ベータ |
|
準最適 | ||
| カルマン | 線形システムに最適 | |||
| 拡張カルマン | 線形化モデルを用いて、共分散を伝播 | |||
| アンセンテッド カルマン | サンプリングした共分散を伝播。単精度では数値的に不安定になる可能性がある。 | |||
| 立体求積法カルマン | サンプリングした共分散を伝播。数値的に安定 | |||
| ガウス-サム | 加重和を仮定 |
部分的にしか観測できない場合に適している (例: 角度のみの追跡) | ||
| Interacting Multiple Model (IMM) | 複数のモデル | 分布の加重和を仮定 | 物体の運動 (例: 加速、旋回) | |
| 粒子 | 任意の分布に対応 | 重み付き粒子を用いて、不確実性分布をサンプリング |
マルチオブジェクト追跡における重要な段階の 1 つは、新たに得られたセンサーの検出結果を既存のトラックに割り当てることです。図には、2 つのトラック (A と B) と 4 つの検出 (1～4) が示されています。
この 2D 割り当て (または 2 部割り当て) 問題を解くために、以下の割り当てアルゴリズムを使用します。
| 割り当て名 | 説明 | 結果例 | アルゴリズム |
|---|---|---|---|
| グローバル最近傍 (GNN) | 単一仮説による割り当て、最適 | 検出 3 → トラック A 検出 1 → トラック B 検出 2 と 4 は未割り当て |
|
| Joint probabilistic data association (JPDA) | 各検出が各トラックに割り当てられる尤度を計算する (全トラックを考慮) | 検出 3 → A の尤度が高い 検出 1 → B の尤度が高い 検出 2 → A/B のいずれにもある程度の尤度 検出 4 → 未割り当て |
|
| Track-oriented multiple-hypothesis tracking (TOMHT) | 各トラックで割り当てと未割り当てに分岐 (仮説) を生成 | 検出 3 → 分岐 A3 を生成 検出 2 → 分岐 A2 を生成 検出 2 → 分岐 B2 を生成 検出 1 → 分岐 B1 を生成 分岐 A0 (A は未割り当て) 分岐 B0 (B は未割り当て) 各検出から新規トラックを生成 |
|
| Hypothesis-oriented multiple-hypothesis tracking (HOMHT) | 上位 k 個の割り当てを考慮、各割り当てに応じてトラックを更新 |
最適な仮説 = GNNの結果 他の仮説: 検出 2 → トラック A 検出 1 → トラック B 検出 3 、 4 → 未割り当て |
assignkbest |
| Probability hypothesis density (PHD) | 割り当てを行わない代わりに、マルチオブジェクト追跡問題を物体数が未知でランダムな集合としてモデル化し、検出を基に各位置の確率を推定 |
|
|
