用于轨迹集合的泊松多伯努利混合
信号处理
2024-12-17 v2 机器人学
图像与视频处理
统计计算
摘要
泊松多伯努利混合（PMBM）密度是带有泊松点过程出生的标准点目标模型下的共轭多目标密度。这意味着目标集合的滤波密度与预测密度均为 PMBM。在本文中，我们首先证明 PMBM 密度对于采用标准点目标测量模型的轨迹集合也是共轭的。其次，基于这一理论基础，我们开发了两种轨迹 PMBM 滤波器，它们提供递推以计算曾出现在监视区域内的所有轨迹集合的后验密度，以及当前时刻存在于监视区域内的轨迹集合的后验密度。因此，这两种滤波器提供了对所考虑轨迹的完整概率信息，从而实现最优轨迹估计。第三，我们确立：在给定可能不同时间窗口内量测的条件下，任意时间窗口内轨迹集合的密度也是 PMBM。最后，通过仿真对轨迹 PMBM 滤波器进行评估，结果表明与其他基于随机有限集和多假设跟踪的多目标跟踪算法相比，其性能达到最先进水平。
引用
@article{arxiv.1912.08718,
title = {Poisson Multi-Bernoulli Mixtures for Sets of Trajectories},
author = {Karl Granström and Lennart Svensson and Yuxuan Xia and Jason Williams and Ángel F. García-Fernández},
journal= {arXiv preprint arXiv:1912.08718},
year = {2024}
}
备注
accepted in IEEE Transactions on Aerospace and Electronic Systems. Matlab code of trajectory PMBM filters can be found at https://github.com/Agarciafernandez and https://github.com/yuhsuansia