Real-Time Tracking of Multiple Moving Objects Using Particle Filters and Probabilistic Data Association

摘要

Mobilni roboti i mobilna vozila sve se više koriste u dinamičkim okruženjima popunjenim ljudima i drugim gibajućim objektima. U tom je smislu važno praćenje gibajućih objekata u neposrednom okruženju kako bi se izbjegavale prepreke i planiralo gibanje. U ovome je radu predložena metoda detekcije i praćenja više gibajućih objekata primjenom čestičnih filtara za estimaciju stanja objekata i filtara za združeno vjerojatnosno pridruživanje uzorkovanih podataka kojima se povezuju značajke detektirane u mjernim podacima s odgovarajućim filtrima. Izvedena je nadzorna ljuska filtara za odgovarajuću integraciju očitanih značajki. Ukratko je opisana arhitektura implementiranog sustava praćenja objekata u stvarnom vremenu. Prikazani eksperimentalni rezultati dobiveni primjenom laserskog senzora udaljenosti potvrđuju izvedivost i učinkovitost predloženog sustava.%Mobile robots and vehicles are increasingly used in dynamic environments populated by humans and other moving objects and vehicles. In this context, tracking of surrounding moving objects is important for obstacle avoidance and motion planning. In this paper we present a method for detection and tracking of multiple moving objects using particle filters to estimate the object states, and sample based joint probabilistic data association filters to perform the assignment between the features detected in the input sensor data and filters. Filters management operations are required for appropriate integration of the currently perceived features. A real-time architecture, developed to implement the tracking system, is briefly described. Experimental results obtained with a laser range scanner will be presented demonstrating the feasibility and effectiveness of the presented methods.