Kernekoncepter
LiDARポイントクラウドを使用した多重車両追跡における確率的測定領域関連の重要性
Resumé
この論文は、LiDARポイントクラウドを使用した多重車両追跡に焦点を当てています。PMRAモデルは、従来のDRA方法よりも拡張されたターゲット状態の推定精度と安定性を向上させます。シミュレーション結果では、PMRA-PMBMフィルターが位置と範囲の推定精度で他のアルゴリズムよりも優れていることが示されています。
I. INTRODUCTION
- LiDARとレーダーポイントクラウドは周囲環境の豊富な情報を提供します。
- 拡張されたターゲット追跡(ETT)は伝統的なMTTアプローチと異なります。
- 本研究の目的は、PMRA-PMBMフィルターを提案し、高い推定精度を達成することです。
II. SYSTEM MODELING
- RFSsおよびPMBM共役事前分布に基づくシステムモデリングが適用されます。
- ターゲット状態遷移モデルや測定モデルが詳細に説明されます。
III. PARTICLE-BASED IMPLEMENTATION OF THE PROPOSED METHOD
- PMRA-PMBMアルゴリズムの実装方法が説明されます。
- データ関連問題や新生ターゲット状態初期化手法も含まれます。
IV. SIMULATION STUDY
- シミュレーション結果では、PMRA-PMBMフィルターが他のアルゴリズムよりも優れた推定精度を示しています。
- GOSPAメトリックに基づく評価結果が示され、FPSおよび平均GOSPA値が比較されています。
Statistik
LiDARセンサーのサンプリングレートは2Hzです。
クラッター密度µcは20です。
Citater
"Simulation results show that the particle-based implementation of the PMRA-PMBM filter can achieve superior estimation accuracy in both the position and extent of vehicle compared to the GGIW-PMBM and DRA-PMBM filters."