多目标跟踪笔记一:Finding the Best Set of K Paths Through a Trellis With Application to Multitarget Tracking
Abstract
本文提出一种寻找K最优路径的方法。
k最优路径的定义:1.the sum of the metrics of all k paths in the set is minimized. 2.no two paths pass through a common state.
适用条件:Mi ≥ k (i = 0,1,2,......,N),Mi是第i层的state的数量;includes measurement errors and false alarm, but does not include the effeck of missing detections or merged measurements.
Algorithm 1:Viterbi Algorithm(K=1的特殊情况)
1)初始化第0层的所有state metrics为0;
2)for i = 1,2,3......N
计算i-1层的state metrics与i-1层到i层的branch metrics的和。对于i层的每个state,按照和的值最小的的要求确定i-1层到i层的连接,并以最小的和值最为i层的state metrics。
3)在N层,在所有state中选择state metrics值最小的,即可确定成本最优路径。
Algorithm 2:M0 = M1 = ...... = MN = k情况下求解k最优路径
1)for i = 1,2,3......N
遍历i-1层到i层的K!个可能的连接方式,在这K!个连接方式中选择sum of k branch metrics最小的方式最为i-1层到i层的连接方式。(i-1层到i层的连接方式可能存在多种)
2)把i-1层到i层(i = 1,2,3......N)的连接方式串联起来就是k最优路径。
Algorithm 3:一般情况 Mi ≥ k ≥ 1
1)for i = 1,2,3......N
for j = 1,2,......,
for k = 1,2,......,
遍历i-1层到i层的K!个可能的连接方式,在这K!个连接方式中选择sum of k branch metrics最小的方式最为i-1层到i层的连接方式。
2)新建一个trellis,在第i层具有个state;把1)中求得的连接方式(带有i-1层k个state到i层k个state的对应关系)作为branch。
3)针对这个新的trellis,利用Viterbi Algorithm算法求解k最优路径。
估计目标数量(轨迹数量):
如果我们假设的目标数量一旦大于实际目标数量,很大可能最优路径的成本会出现激增的情况。
本文方法的局限性:
不能处理漏检(missed measurements)、遮挡(或者说一个measurement对应多个target的情况)、多传感器数据的情况等。
最新文章
- RAC异机恢复
- Android activity跳转方式
- Java程序发展之路
- uva 12097 - Pie
- 转 python 之 分割参数getopt
- Hive的UDF实现及注意事项
- aix光盘安装包 aix puppet agent 自动化安装
- Java核心技术-高级特性(2)- SoftReference, WeakReference and PhantomReference
- 什么是流利语法Fluent Syntax
- HDU 3903 Trigonometric Function
- JDK版本会影响项目部署
- Akka(20): Stream:压力缓冲-Batching backpressure and buffering
- 使用Eclipse+jlink调试STM32
- CentOS 7 MySQL HA之DRBD
- C 语言 判断
- Linux 下杀毒可用工具 clamav
- csrfguard3.1 部署笔记
- 第三章 FFmpeg转封装
- python第三十课--异常(finally讲解)
- Python2.7-浙江省实时天气爬取