Sensor Fusion and Tracking Toolbox 시작하기
위치추정 관련 용어의 정의
가속도계
- 객체의 가속도를 측정하는 센서.
자이로스코프
- 객체의 각속도를 측정하는 센서.
자력계
- 객체 주위의 자기장을 측정하는 센서.
IMU (관성측정장치)
- 가속도계와 자이로스코프로 구성된 기기.
MARG (Magnetic, Angular Rate, Gravity)
- 자력계, 자이로스코프, 가속도계로도 알려져 있음.
AHRS (자세방위기준장치)
- 가속도계, 자이로스코프, 자력계를 융합하여 객체의 자세 정보를 제공하는 시스템. (MARG + 융합 알고리즘)
GPS (위성 측위 시스템)
- 정확한 측위를 제공하는 위성 기반 시스템.
INS (관성항법장치)
- 가속도계, 자이로스코프, 자력계, 그리고 때때로 고도계의 데이터를 융합하여 외부 신호 없이 이동 객체의 위치, 방향 및 속도를 지속적으로 계산하는 시스템.
GPS/INS
- GPS 정보와 INS 정보를 융합하는 시스템.
참고:
필터는 계산 복잡도 순으로 나열되어 있습니다.
| 필터 이름 | 비선형 모델 지원 여부 | 가우스 분포 관련 가정 | 계산 복잡도 | 비고 |
|---|---|---|---|---|
| 알파-베타 |
|
준최적. | ||
| 칼만 | 선형 시스템에 최적. | |||
| 확장 칼만 | 선형화된 모델을 사용해 불확실성 공분산 전파함. | |||
| 무향 칼만 | 불확실성 공분산을 샘플링하여 전파함. 단정밀도에서 수치적으로 불안정해질 수 있음. | |||
| 큐버처 칼만 (Cubature Kalman) | 불확실성 공분산을 샘플링하여 전파함. 수치적으로 안정적임. | |||
| 가우시안 합 | 가중합을 가정함 |
부분 관측 상황에 적합함. (예: 각도만 추적) | ||
| IMM (Interacting Multiple Models: 상호작용 다중 모델) | 다중 모델 | 분포의 가중합을 가정함 | 기동 객체에 적합함. (예: 가속, 선회) | |
| 입자 | 어떤 분포도 가능함 | 가중 입자를 사용해 불확실성 분포를 샘플링함. |
| 할당 이름 | 설명 | 예시 결과 | 알고리즘 |
|---|---|---|---|
| GNN (Global nearest neighbor: 전역 최근접이웃) | 단일가설 할당, 최적. | 3번 검출이 트랙 A로 할당됨 1번 검출이 트랙 B로 할당됨 2번 및 4번 검출은 미할당됨 |
|
| JPDA (Joint Probabilistic Data Association: 결합 확률 데이터 연관) | 각 검출이 트랙에 할당될 가능성은 모든 트랙을 고려하여 계산됩니다. | 3번 검출이 높은 확률로 트랙 A에 할당됨 1번 검출이 높은 확률로 트랙 B에 할당됨 2번 검출이 다소 높은 확률로 트랙 A 및 B에 할당됨 4번 검출은 미할당됨 |
|
| TOMHT (Track-oriented multiple-hypothesis tracking: 트랙 지향 다중가설 추적) | 각 트랙은 가능한 모든 할당과 미할당 경우에 대한 분기(가설)를 생성합니다. | 3번 검출이 분기 A3을 생성함 2번 검출이 분기 A2을 생성함 2번 검출이 분기 B2을 생성함 1번 검출이 분기 B1을 생성함 분기 A0 (A는 미할당됨) 분기 B0 (B는 미할당됨) 각 검출에서 새로운 트랙 생성 |
|
| HOMHT (Hypothesis-oriented multiple-hypothesis tracking: 가설 지향 다중가설 추적) | 상위 k개의 최적 할당을 고려합니다. 각 할당 결과에 따라 트랙이 업데이트됩니다. |
최적 가설 = GNN 결과 또 다른 가설: 2번 검출이 트랙 A로 할당됨 1번 검출이 트랙 B로 할당됨 3번 및 4번 검출은 미할당됨 |
assignkbest |
| PHD (Probability hypothesis density: 확률 가설 밀도) | 할당을 수행하지 않습니다. 대신, 다중객체 추적 문제를 알려지지 않은 임의의 객체 수 집합으로 모델링하고 검출을 기반으로 각 위치에서의 확률을 추정합니다. |
|
|
