עקיבה אחרי מספר מטרות בשיטת קורלציה + JPDAF

1. הטכניון - מכון טכנולוגי לישראל TECHNION - ISRAEL INSTITUTE OF TECHNOLOGYהפקולטה להנדסת חשמלהמעבדה לבקרה ורובוטיקה עקיבה אחרי מספר מטרותבשיטת קורלציה + JPDAF מגיש:לוטן קפלנסקי מנחה: ד"ר גבי דוידוב

2. נושאים לדיון • מטרות • עקיבה: מושגים, הגדרות ומבנה • כללי • זיהוי – קורלציה • מסנני עקיבה • מסנן קלמן • מסננים סטנדרטיים • PDAF • JPDAF • מבנה המסנן • דוגמאות ומגבלות • סיכום • הצעות לשיפור

3. מטרות • מימוש אלגוריתם עקיבה המטפל ב: • מספר מטרות (3-4) • הסתרות (חיצוניות והדדיות) • הטעיות • ע"י שימוש בשיטות: • קורלציה • JPDAF

4. מושגים והגדרות • פריים • חלון חיפוש • מטרה • מדידה • מסלול (עוקב) • הטעיות (clutter)

5. מבנה מערכת העקיבה פריים נוכחי מסומן פריים נוכחי איסוף מדידות קביעת מצבחיזוי נוכחי שיוך מדידותלמסלולים עדכוןמסלולים סימוןמטרות מסנן עקיבה מצב חיזוי קודם קביעת חלון החיפוש לפריים הבא

6. זיהוי מטרות – שיטת קורלציה • נוסחת הקורלציה:

7. קורלציה - יתרונות g <f,g> מטרה: f= • הבחנה טובהבין מטרות: • יכולת זיהוי גםבהסתרה חלקית: • התמודדות עם רעש

8. קורלציה - חסרונות • סיבוכיות גבוהה • רגישות גבוהה לשינוי צורה • מקצה שיפורים? • SAD, SSD • דילול מטרות • מטרות מתעדכנות

9. מסנני עקיבה – מטרה אחת • מסנן קלמן • ממדל את המערכת לפימשוואות מצב: (סדר III) x – וקטור מצב z – ווקטור מדידות v – רעש תהליך w – רעש מדידה

10. משוואות המסנן P–קוואריאנס וקטור המצב (בהינתן המדידות) - שערוך מיטבי של ווקטור המצב (1) + (2) נותן:

11. מסנני עקיבה – מסננים סטנדרטיים • בתרחישים: • ריבוי מטרות זהות • הטעיות (clutter) נדרשת בחירה בין מדידות. • מסננים סטנדרטיים: • NNSF • SNSF

12. מסננים סטנדרטיים - המשך NNSF SNSF Corr=0.8 Corr=0.8 Corr=0.7 Corr=0.7 - חלון החיפוש לאחר בחירת המדידה הרלוונטית, הקידום מתבצע כמו במסנן קלמן רגיל. - מרכז החלון - מדידה

13. מסננים סטנדרטיים – סיכום • יכולות: • הצלחה בטיפול ב: • הסתרות • דינמיקה מהירה • מגבלות: • כשלון בטיפול ב: • הטעיות • מטרות זהות

14. מסנן- PDAF Probablistic Data Association filter • נותן ביטוי לכל המדידות התקפות

15. PDAF – המשך • יתרונות • מתגבר על הטעיות קצרות מועד • מגבלות: • הטעיות ארוכות מועד: • clutter מרובה • תנועה איטית • מטרות זהות משיקות

16. PDAF – דוגמאות • התמודדות עם הטעיות:

17. PDAF - מגבלות • הטעיות מרובות: הצלחה: כשלון:

18. PDAF - מגבלות • מטרות משיקות:

19. PDAF - המשך • האם ניתן לפתור את מגבלות המסנן? • הטעיות: • השגיאה הנוצרת נובעת מאי-דיוקים במודל ובמערכת המדידה. • פתרונות אפשריים: • הקטנת גודל חלון • הקשחת פרמטרי מסנן קלמן • אלו מוגבלים ע"י דיוקי מערכת המדידה, והמודל.

20. שיפור PDAF – המשך • מטרות משיקות: • כל מסלול שואף להתייצב בין שתי המדידות דוגמא: פעולת מסנן ה-PDAF: כיוון שגוי כיוון שגוי האם ניתן לצמצם את השגיאה?

21. מסנן JPDAF – Joint Probabilistic Data Association Filter • בודק מאורעות שיתופיים: • הנחה: כל מדידה מגיעה ממטרה אחת בלבד הסתברותמצרפית (לא מנורמלת) הסתברות שולית מדידה מטרה מאורע א: 1 1 0.8 2 2 0.75 0.6 1 1 מאורע ב: 1 2 0.25 2 1 0.2 0.05 2 2 הסתברות מאורע א' (מנורמלת) – 0.92 הסתברות מאורע ב' (מנורמלת) – 0.08

22. JPDAF - המשך JPDAF PDAF 1 1 1 1 2 2 2 2 כיוון שגוי כיוון שגוי כיוון שגוי כיוון שגוי השימוש ב- JPDAF מקטין את השגיאה

23. m=1,2..6 t=1,2,3 JPDAF - תיאור t=0 t=1 t=2 t=3 m=1 2 m=2 1 3 5 4 6 m=6 מטריצת תקפות(Validation matrix) מאורעות תקפים(feasible joint events) האם למטרה t משויך מקור (כלשהו) האם למדידה j משויכת מטרה (כלשהי) מספר מדידות שקריות (הטעיות) במאורע הסתברות שהמטרה t אותרה (בכלל) נפח אזור התקפות

24. JPDAF - המשך חידוש (innovation) העדכון לפי מדידה j (באותו מאורע) משקל החידוש חיזוי (קלמן) לפי מדידה j הסתברות שולית שמדידה j הגיעה ממטרה t שערוך מיטבי של X

25. - קורלציה בין מטרה t למדידה j JPDAF – המשך • הערות: • Feature measurements: • Detection probability PDt:

26. JPDAF - דוגמאות • שיפור ביצועים עבור: • מטרות משיקות • דיוק עקיבה(בהשוואה ל-PDAF)

27. JPDAF – דוגמאות - המשך • מגבלות: • מטרות משיקות+ הטעיות

28. JPDAF – סיכום ביצועים • שיפור במקרים של: • מטרות זהות משיקות לאורך זמן • מטרות זהות משיקות לפני הסתרה • ללא שיפור במקרים של: • מטרות זהות משיקות + הטעיות • בשאר המקרים – שיפור זניח

29. JPDAF – מגבלות נוספות • מטרות זהות (דומות) עוקפות: PDAFJPDAF

30. הצעות לשיפור • עיבוד תמונה • MHT - פתרון להסתרות / הטעיות • JPDAIMMF – שיפור גמישות מודל תנועה

31. FIN