Objekt-Tracking unter Split- und Merge-Effekten
Typ:

Diplomarbeit

Betreuer:

Dipl.-Ing. Michael Grinberg

Status:

abgeschlossen

Abgabedatum:

Dezember 2009

In dieser Arbeit wird ein Algorithmus zur Detektion und zum Tracking mehrerer ausgedehnter Ziele entwickelt. Dieser schätzt sowohl den Zustand der zu verfolgenden Objekte, als auch ihre Existenz- und Sichtbarkeits-Wahrscheinlichkeit mit Hilfe von drei kreuzgekoppelten Markov-Ketten. Auf dieser Basis wird ein global optimales, probabilistisches Datenassoziations-Schema realisiert, welches die üblichen Unsicherheitsfaktoren eines sensorbasierten Trackings berücksichtigt und mit Split- und Merge-Effekten sowie mit unvollständigen und ausbleibenden Messungen umgehen kann. Durch das Tracking von Feature-Punkten im dreidimensionalen Raum stehen dem Algorithmus detaillierte Informationen über die Zusammensetzung der als Messung dienenden Punktwolken zur Verfügung. Dadurch ist es möglich selbst im Fall von Detektionsfehlern, verursacht durch den eingeschränkten Sichtbereich, Verdeckungen und Sensorfehlern, die gewünschten Objekt-Eigenschaften aus den Sensordaten zu rekonstruieren, wodurch zusätzlich eine erhöhte Zuverlässigkeit des Trackings erreicht wird. Dieser Vorgang wird durch eine gitterbasierte Objekt-Repräsentation unterstützt, die ein höheres Abstraktions-Level des Objekts bietet und für eine detaillierte Verdeckungsanalyse verwendet wird. Das Gesamtkonzept realisiert dabei ein Track-Before-Detect-Schema, das die zur Verfügung stehende Existenzwahrscheinlichkeit in den Prozess der Objektverwaltung einfließen lässt.