Erste Schritte mit der Sensor Fusion and Tracking Toolbox
Definitionen von lokalisierungsbezogenen Begriffen
Beschleunigungsmesser
- Ein Sensor, der die Beschleunigung des Objekts misst.
Gyroskop
- Ein Sensor, der die Winkelgeschwindigkeit eines Objekts misst.
Magnetometer
- Ein Sensor, der das Magnetfeld um das Objekt misst.
IMU (Intertialmessgerät)
- Ein Gerät, das aus Beschleunigungssensoren und Gyroskopen besteht.
MARG (magnetisch, Winkelgeschwindigkeit und Schwerkraft)
- Auch bekannt als Magnetometer, Gyroskop und Beschleunigungsmesser.
AHRS (Attitude and Heading Reference System)
- Ein System, das Beschleunigungsmesser, Gyroskope und Magnetometer kombiniert und Informationen zur Objektlage bereitstellt (MARG plus Fusionsalgorithmus).
GPS (Globales Positionssystem)
- Ein satellitengestütztes System, das eine präzise Positionierung bietet.
INS (Inertialnavigationssystem)
- Ein System, das Daten von Beschleunigungsmessern, Gyroskopen, Magnetometern und manchmal Höhenmessern kombiniert, um kontinuierlich die Position, Orientierung und Geschwindigkeit von sich bewegenden Objekten ohne externe Quelle zu berechnen.
GPS/INS
- Ein System, das GPS-Informationen mit INS-Informationen kombiniert.
Hinweis:
Filter werden in der Reihenfolge ihrer rechnerischen Komplexität aufgelistet.
| Filtername | Unterstützt nichtlineare Modelle | Gaußfilter-Hinweise | Berechnungskomplexität | Kommentare |
|---|---|---|---|---|
| Alpha-Beta |
|
Suboptimal. | ||
| Kalman | Optimal für lineare Systeme. | |||
| Erweitertes Kalman | Verwendet linearisierte Modelle zur Propagierung der Unsicherheitskovarianz. | |||
| Unscented Kalman | Erfasst die Unsicherheitskovarianz, um sie zu propagieren. Kann in der einfachen Genauigkeit numerisch instabil werden. | |||
| Kubatur-Kalman | Erfasst die Unsicherheitskovarianz, um sie zu propagieren. Numerisch stabil. | |||
| Gaußsumme | Geht von einer gewichteten Summe aus. |
Gut für teilweise beobachtbare Fälle (z. B. nur Winkel-Tracking). | ||
| Interagierende Multiple Modelle (IMM) | Mehrere Modelle | Geht von einer gewichteten Summe von Verteilungen aus. | Manövrieren von Objekten (z. B. Beschleunigung, Kurven). | |
| Partikel | Kann jede Verteilung sein. | Erfasst die Unsicherheitsverteilung mithilfe gewichteter Partikel. |
Ein entscheidender Schritt im Tracking von mehreren Objekten besteht darin, neue Sensordetektionen bestehenden Bahnen zuzuordnen. Das Diagramm zeigt zwei Bahnen (A und B) und vier Detektionen (1–4).
Die untenstehenden Zuweisungsalgorithmen werden verwendet, um dieses Problem zu lösen, das auch als 2D- (oder bipartites) Zuweisungsproblem bekannt ist.
| Zuweisungsbezeichnung | Beschreibung | Beispielergebnis | Algorithmen |
|---|---|---|---|
| Global nächster Nachbar (GNN) | Einzelhypothesen-Zuweisung, optimal. | Det 3 zur Bahn A Det 1 zu Bahn B Dets 2 und 4 nicht zugewiesen |
|
| Joint probabilistic data association (JPDA) | Die Wahrscheinlichkeit, dass jede Detektion einer Bahn zugeordnet wird, wird unter Berücksichtigung aller Bahnen berechnet. | Det 3 sehr wahrscheinlich zu A Det 1 sehr wahrscheinlich zu B Det 2 etwas wahrscheinlich für A und B Det 4 nicht zugewiesen |
|
| Track-oriented multiple-hypothesis tracking (TOMHT) | Jeder Pfad erzeugt Verzweigungen (Hypothesen) für jede mögliche Zuordnung und keine Zuordnung. | Det 3 erstellt die Verzweigung A3. Det 2 erstellt Verzweigung A2. Det 2 erstellt Verzweigung B2. Det 1 erstellt Verzweigung B1. Verzweigung A0 (A ist nicht zugewiesen) Verzweigung B0 (B ist nicht zugewiesen) Neue Spur aus jeder Detektion |
|
| Hypothesis-oriented multiple-hypothesis tracking (HOMHT) | Wir betrachten die k-besten Zuweisungen. Jede Zuweisung aktualisiert die Spuren entsprechend. |
Beste Hypothese = GNN-Ergebnis Eine weitere Hypothese: Det 2 zur Strecke A Det 1 zu Bahn B Det 3 und 4 sind nicht zugewiesen. |
assignkbest |
| Wahrscheinlichkeits-Hypothesen-Dichte (PHD) | Führt die Zuweisung nicht aus. Stattdessen modelliert das System das Problem des Multi-Objekt-Tracking als eine Menge von unbekannten und zufälligen Objekten und schätzt die Wahrscheinlichkeit an jedem Standort basierend auf den Detektionen. |
|
|
