Sledování více cílů pomocí PHD filtrů
Multiple target tracking with PHD filters
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Petr Jechumtál
Vedoucí práce
Dedecius Kamil
Oponent práce
Vlk Tomáš
Studijní obor
Znalostní inženýrstvíStudijní program
Informatika 2009Instituce přidělující hodnost
katedra aplikované matematikyPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Tato práce se zaměřuje na problém sledování více cílů, což je stále velmi náročná disciplína. Zabývá se nejistotou spojení mezi měřením a cílem v prostředí se zvýšeným šumem. Cíle se navíc mohou objevovat a mizet víceméně náhodně. Řešení popsané v této práci je založeno na bayesovské inferenci a sestává z filtrů hustoty pravděpodobnostních hypotéz. Tento přístup zahrnuje modelování příslušných množin cílů a měření jako náhodné konečné množiny. K šíření aposteriorní intenzity, což je statistika prvního řádu náhodné konečné množiny cílů v čase, se používají rekurze hustoty pravděpodobnosti. This thesis focuses on the problem of tracking multiple targets, which is still a very challenging discipline. It deals with the uncertainty about the measurement-target association in a noisy-cluttered-environment. Furthermore, targets can appear and disappear more or less randomly. The solution described in this thesis is based on the Bayesian inference and consists of the probability hypothesis density (PHD) filters. This approach involves modeling the relevant sets of targets and measurements as random finite sets. The probability density recursions (PHDs) are used to propagate the posterior intensity, which is a first-order statistic of a random finite set of targets, over time.
Kolekce
- Bakalářské práce - 18105 [244]