微信网站建设塞尼铁克,做网站赚钱 百度网盟,如何查看网络服务商,昆明网站建设优化自动驾驶中的多目标跟踪:第一篇
多目标跟踪(multi-object/multi-target tracking)的任务包括估计场景中目标的数目、位置#xff08;状态#xff09;或其他属性#xff0c;最关键的是需要在一段时间内持续地进行估计。 附赠自动驾驶学习资料和量产经验#xff1a;链接
应…自动驾驶中的多目标跟踪:第一篇
多目标跟踪(multi-object/multi-target tracking)的任务包括估计场景中目标的数目、位置状态或其他属性最关键的是需要在一段时间内持续地进行估计。 附赠自动驾驶学习资料和量产经验链接
应用
多目标跟踪有如下两个方面应用
在二战中多目标跟踪技术被用于跟踪敌方飞机。雷达通过向天空发射电磁波并接收相应的回波。如果电磁波波束指向的位置恰好有飞机那么飞机反射回波有一定概率会被信号处理器检测到。信号处理器输出的有关这架飞机的位置、速度等信息称为量测(measurement)。每一个时刻的量测会被数据处理器处理输出飞机的轨迹称为航迹(trajectory)。把每个时刻的量测转换为航迹的算法就是目标跟踪算法。 雷达跟踪示意图
与雷达多目标跟踪相似的应用还有基于Lidar或者声呐的多目标跟踪这类传感器提供的目标信息较少因此提高数据关联(data association, DA)技术和以更严密的数学理论描述多目标跟踪问题成为了这类技术的发展方向。
2. 多目标跟踪也是视频监控的核心技术。在视频图像中跟踪各类物体或人以此来推断监控场景中发生的事件例如人群聚集、犯罪行为、车辆碰撞等。视频中应用的多目标跟踪技术和雷达多目标跟踪技术有很大的不同主要原因在于图像受到光照或者其他因素影响较大视频中物体常常发生遮挡而且密集所以目标的检测比较困难。但图像是高分辨率的提供有关目标的特征较多所以提高检测质量或者提取高层次特征是很多视频跟踪算法努力的方向。 视频监控人群
在前述的第一种应用中根据目标产生的量测特点跟踪任务可以分为下面两种类型
点目标跟踪(point object tracking)每个目标每一时刻至多产生一个量测即目标要么没被检测到要么被检测到且只产生一个量测。这种类型的跟踪任务大多在空域监视雷达或图像中。 图中的车辆可以视为点目标
扩展目标跟踪(extended object tracking): 每个目标每一时刻可能产生多个个量测这种现象出现的原因是目标尺寸超过传感器能提供的最小分辨率。这种类型的跟踪任务大多在自动驾驶或使用高分辨率的雷达跟踪目标场景。 a) Lidar (b)毫米波雷达
除上述两种类型目标在跟踪的过程中有时还会出现多个目标只产生一个量测的情况它时常发生在两个相互靠近的物体它们之间的距离小于传感器的最小分辨单元。 两辆并排行驶且速度相同的车辆,雷达无法分辨这两个目标 挑战
下图包含了多目标跟踪面临的几种挑战 未知目标的数目和状态在跟踪算法的初始化阶段场景中的目标数目是未知的尽管根据检测的数目对实际目标数有一个大致估计但考虑到检测并不是完美的存在虚警(false alarm, FA)或者漏警(miss detection, MD)所以目标数目仍然是一个未知量。此外在很多情况下目标的状态也有很大的不确定性。考虑一个两坐标雷达传感器提供的量测的形式只有平面_x-y_坐标这样目标状态中的姿态(pose)和速度(velocity)都不能被传感器测得只有从长时间的测量数据中估计出上述状态。 目标运动目标运动具有不确定性其运动模式可能会变化这可能会影响目标跟踪依赖的系统模型(system model)与目标运动模式的匹配度。此外目标可能突然进入视野上图右下角的行人从视野中消失上图右上角的行人或者运动到传感器无法测量的位置上图红圈处这使得目标数目的估计变得困难同样增加了数据关联问题的复杂度。 不完美的传感器: 传感器同样会给目标跟踪带来挑战最显著的两个挑战就是虚警和漏警。无论选择哪种传感器几乎都会面临这两个挑战。在雷达应用中虚警的产生是由于背景中的物体反射了足够的电磁波能量使得信号处理器认为该物体是感兴趣的目标(target of interest)或者敌方干扰机发射了干扰信号。漏警的产生是由于信噪比过低、信号强度弱低于检测门限、被遮挡等。 左图 发生对行人漏警 右图 斑马线处发生虚警
数据关联不确定性: 在与点目标跟踪相关的各类文献中数据关联一直占据着很重要的地位。数据关联就是目标和量测的对应关系。由于量测的来源不确定可能是虚警、新/旧目标很多情况中我们不能判断量测属于哪个目标产生的所以算法中需要考虑数据关联对应关系的所有可能性。一种对应关系称为关联假设然而我们会看到这种对应关系的数目是组合数增长的计算量爆炸性增长。之后我们会看到各种算法提出多种近似手段去解决这一问题。下图是一个简单一维量测数据关联的例子。从上半部分图可以看出有4个目标在运动不同颜色的圆圈表明它们产生的量测灰色的圆圈是虚警。在时刻3标为黄色的目标发生了一次漏检在时刻2红色的目标停住不动。当我们知道量测与目标的对应关系时对目标的跟踪是比较容易的考虑使用各类滤波算法。但实际跟踪算法处理的是下半部分图所对应的量测即我们不知道量测-目标的对应关系我们也不知道哪个量测是虚警。即便我们假设目标的数目在跟踪过程中保持不变关联假设的数目都是组合数式增长的 在下一篇文章中我会简单回顾贝叶斯滤波的相关知识这是单/多目标跟踪的基础。
未完待续…
