SMART-TRACK：一种基于卡尔曼滤波引导的 UAV 目标跟踪传感器融合框架
机器人学
2024-10-15 v1
摘要
在目标检测与定位的传感器融合与状态估计领域，确保在动态环境中实现准确跟踪存在诸多挑战。传统方法如卡尔曼滤波（KF）在测量中断时常常失败，导致状态估计快速发散。为此，我们提出了 SMART（Sensor Measurement Augmentation and Reacquisition Tracker），一种新方法，利用 KF 提供的高频状态估计来指导搜索新的测量，从而在直接测量不稳定时维持跟踪连续性。这一点对于传统方法难以应对的动态环境至关重要。我们的贡献包括：1）基于 KF 反馈的灵活测量增强：我们实现了一个灵活的测量增强系统，用作主要目标检测器间歇性失效时的备份。该系统适用于各种传感器，实验中使用深度相机演示了将 KF 的 3D 预测投影到 2D 深度图像坐标中，集成简化为一阶近似的非线性协方差传递技术。2）开源 ROS2 实现：我们提供了 SMART-TRACK 框架的开源 ROS2 实现，在使用 Gazebo 和 ROS2 的真实模拟环境中进行了验证，促进了更广泛的采用和进一步的研究。我们的结果显示出在跟踪稳定性方面实现了显著提升，在测量中断期间估计 RMSE 可低至 0.04 m，推动了 UAV 跟踪的鲁棒性，并扩展了在复杂场景中可靠的自主 UAV 操作的潜力。该实现已在 https://github.com/mzahana/SMART-TRACK 提供。
引用
@article{arxiv.2410.10409,
title = {SMART-TRACK: A Novel Kalman Filter-Guided Sensor Fusion For Robust UAV Object Tracking in Dynamic Environments},
author = {Khaled Gabr and Mohamed Abdelkader and Imen Jarraya and Abdullah AlMusalami and Anis Koubaa},
journal= {arXiv preprint arXiv:2410.10409},
year = {2024}
}
备注
12 pages, 7 figures, 3 algorithms, 2 tables