LMB based distributed multitarget tracking under different resolution sensors

Li, Yue

doi:10.1016/j.eswa.2026.133071

LMB based distributed multitarget tracking under different resolution sensors

2026-09-29

0

PRE

AI

DOI：10.1016/j.eswa.2026.133071

原文链接

原文求助

摘要

En 中文

本文针对分布式多目标跟踪问题进行研究，其中传感器表现出异构分辨率能力。此类场景出现在混合行人及车辆跟踪等应用中，不同类型的传感器中，车辆可能仅占据少数几个分辨率单元而在某些传感器中以点目标表示，而在其他传感器中可能跨越多个分辨率单元呈现扩展目标表示。由于目标与传感器距离的变化、遮挡或环境条件的影响，所占据的分辨率单元数量也可能随时间变化。为解决该挑战，我们使用标记随机有限集（LRFS）表示多目标状态，并用标记多伯努利（LMB）密度进行建模。提出了一种自适应LMB滤波器，可根据可用传感器测量值动态调整每个目标的身份（点目标或扩展目标）。具体而言，当目标仅由少量测量值观测到时，由于分辨率不足无法估计形状，将其视为点目标；而当高分辨率测量值可用时，则估计目标的扩展状态，包括形状和方向。为应对目标外观的动态特性，我们将马尔可夫转移模型集成到LMB滤波器中，允许目标随时间在点目标和扩展目标表示之间切换。我们还引入了一种基于吉布斯采样的高效计算实现方法。此外，开发了一种分布式融合策略，用于聚合多个传感器的局部LMB后验信息，以提高大规模传感器网络中的跟踪精度。所提出的算法通过涉及行人及车辆分布式跟踪的仿真进行评估，并采用KITTI数据集和V2V4Real数据集检验其在实际应用中的有效性。所有结果表明所提出算法的有效性，展示了其对不同传感器分辨率的鲁棒性及其在下一代智能交通系统中的适用性。

Keyword:

Distributed multitarget tracking

Labeled random finite set

Labeled multi-Bernoulli

Different sensor resolution abilities

Gibbs sampling

LMB based distributed multitarget tracking under different resolution sensors

摘要

期刊

机构

引用论文