Introducción a Sensor Fusion and Tracking Toolbox
Definición de términos relacionados con la localización
Acelerómetro
- Sensor que mide la aceleración de un objeto.
Giroscopio
- Sensor que mide la velocidad angular de un objeto.
Magnetómetro
- Sensor que mide el campo magnético alrededor de un objeto.
IMU (unidad de medición inercial)
- Dispositivo que consta de acelerómetros y giroscopios.
MARG (magnético, velocidad angular y gravedad)
- También conocido como magnetómetro, giroscopio y acelerómetro.
AHRS (sistema de referencia de actitud y rumbo)
- Sistema que fusiona acelerómetros, giroscopios y magnetómetros, y proporciona información sobre la actitud del objeto (MARG más algoritmo de fusión).
GPS (sistema de posicionamiento global)
- Sistema basado en satélites que proporciona una posicionamiento preciso.
SNI (sistema de navegación inercial)
- Sistema que fusiona datos de acelerómetros, giroscopios, magnetómetros y, en ocasiones, altímetros para calcular continuamente la posición, orientación y velocidad de objetos en movimiento sin necesidad de una fuente externa.
GPS/INS
- Sistema que fusiona la información de GPS con la información de INS.
Nota:
Los filtros aparecen en orden de complejidad computacional.
| Nombre del filtro | Admite modelos no lineales | Notas sobre la gausianidad | Complejidad computacional | Comentarios |
|---|---|---|---|---|
| Alfa-Beta |
|
Subóptimo. | ||
| Kalman | Óptimo para sistemas lineales. | |||
| Kalman extendido | Utiliza modelos linealizados para propagar la covarianza de incertidumbre. | |||
| Kalman unscented | Muestra la covarianza de incertidumbre para propagarla. Puede volverse numéricamente inestable en precisión simple. | |||
| Kalman de cubatura | Muestra la covarianza de incertidumbre para propagarla. Numéricamente estable. | |||
| Suma gaussiana | Supone una suma ponderada |
Adecuado para casos parcialmente observables (por ejemplo, seguimiento solo de ángulos). | ||
| Modelos múltiples interactivos (IMM) | Múltiples modelos | Supone una suma ponderada de distribuciones. | Objetos maniobrantes (por ejemplo, aceleración, giros). | |
| Partícula | Puede ser cualquier distribución. | Muestra la distribución de incertidumbre utilizando partículas ponderadas. |
Una etapa clave en el seguimiento multiobjeto es asignar nuevas detecciones de sensores a las trayectorias existentes. El diagrama muestra dos trayectorias (A y B) y cuatro detecciones (1–4).
Los algoritmos de asignación a continuación se utilizan para resolver este problema, también conocido como el problema de asignación 2D (o bipartito).
| Nombre de la asignación | Descripción | Ejemplo de resultado | Algoritmos |
|---|---|---|---|
| Vecino global más cercano (GNN) | Asignación de hipótesis única, óptima. | Det 3 a trayectoria A Det 1 a trayectoria B Dets 2 y 4 sin asignar |
|
| Asociación probabilística conjunta de datos (JPDA) | Calcula la probabilidad de que cada detección sea asignada a una trayectoria, considerando todas las trayectorias. | Det 3 muy probable a A Det 1 muy probable a B Det 2 algo probable a A y B Det 4 sin asignar |
|
| Seguimiento de múltiples hipótesis orientado a trayectorias (TOMHT) | Cada trayectoria crea ramas (hipótesis) para cada asignación posible y para ninguna asignación. | Det 3 crea la rama A3 Det 2 crea la rama A2 Det 2 crea la rama B2 Det 1 crea la rama B1 Rama A0 (A sin asignar) Rama B0 (B sin asignar) Nueva trayectoria para cada detección |
|
| Seguimiento de múltiples hipótesis orientado a hipótesis (HOMHT) | Se consideran las k mejores asignaciones. Cada asignación actualiza las trayectorias en consecuencia. |
Mejor hipótesis = resultado de GNN Otra hipótesis: Det 2 a trayectoria A Det 1 a trayectoria B Det 3 y 4 sin asignar |
assignkbest |
| Densidad de hipótesis de probabilidad (PHD) | No realiza asignación. Por el contrario, modela el problema de seguimiento multiobjeto como un conjunto de objetos de número desconocido y aleatorio, y estima la probabilidad en cada ubicación basada en las detecciones. |
|
|
Objetos puntuales
- La resolución del sensor es inferior al tamaño del objeto.
- Cada objeto genera como máximo una detección por barrido del sensor.
- Los rastreadores convencionales se pueden utilizar sin necesidad de realizar preprocesamiento.
Objetos extendidos
- La resolución del sensor es superior al tamaño del objeto.
- Cada objeto genera una o más detecciones por barrido del sensor.
- Los rastreadores convencionales requieren agrupamiento antes de la asignación.
- El rastreador PHD se puede utilizar sin necesidad de realizar agrupamiento.
