Algoritmus více-objektového sledování a filtrování pózy v částečně pozorovatelném prostředí

Abstract

Tato práce se zabývá použitím částicového filtru pro sledování a odhad 6D pózy více objektů. Algoritmus má fungovat v reálném čase a sloužit ke zprostředkování odhadu pozic a orientací objektů na scéně robotovi, který s nimi má manipulovat. Částicový filtr byl analyzován a implementován ve třech originálních provedeních. Nejprve byl otestován na problému sledování jednoho objektu, tedy filtraci. Ve vizuálním simulátoru byly vytvořeny skripty umožňující průběh filtrace sledovat, analyzovat a díky tomu i upravovat. Byl vytvořen systém generování, ukládání a nahrávání dat o testovaných scénářích a trajektoriích dle zadaného uživatelského vstupu. Po prvotní analýze z vizuálního prostředí byly filtry systematicky testovány na vygenerovaných datech simulujících zašuměná měření detektoru. Zároveň byly otestovány různé kombinace parametrů, jejichž optimální hodnoty byly zaznamenány. Dále byly v práci prozkoumány metody asociace dat, konkrétně GNN}, PDA a zejména JPDA, navržen algoritmus založený na JPDA a otestována jeho základní implementace. Výsledky ukazují, že je potřeba algoritmus dále rozvinout.This thesis explores the use of particle filtering for tracking and 6D pose estimation of multiple objects. The implemented algorithm should be working in real-time and it's supposed to be used for conveying information about the positions and orientations of objects on the scene for a robot, who is supposed to be manipulating them. Three original variations of particle filter have been implemented. First, the filters have been analyzed and tested on the problem of tracking one object, i. e. filtration. Scripts allowing us to visualize and analyze the process of filtration were implemented in a visual simulator environment. A system of generation, saving and uploading of saved trajectories based on user input was also implemented. After a first analysis of the filters' performance in visual environment, the filters have been systematically tested on generated data, which simulated noisy detector measurements. Furthermore, methods of data association have been examined, specifically GNN, PDA and especially JPDA. An algorithm based on JPDA has been designed and its basic implementation has been tested. The results show the algorithm needs further improvements.