Geintra

Departamento de electronica Universidad de Alcala

Líneas de investigación

Accede a información sobre la estructura de la actividad investigadora de Geintra.

Trabaja con nosotros

Accede a nuestra oferta actual de becas, tesis doctorales, contratos y trabajos fin de carrera.

Contacta con el grupo

Si desea contactar con nosotros, puede usar varios medios.

    Seguimiento de Multiples Objetos en Entornos Interiores muy Poblados basado en la Combinación de Metodos Probabilisticos y Deterministicos

    TítuloSeguimiento de Multiples Objetos en Entornos Interiores muy Poblados basado en la Combinación de Metodos Probabilisticos y Deterministicos
    Tipo de publicaciónPhD Thesis
    Año de publicación2008
    AutoresMarron, M
    Thesis Advisor(s)Garcia, JC, Sotelo, MA
    Idioma de publicaciónSpanish
    Grado

    PhD. in Electronics Engineering

    UniversidadAlcala
    Departamento académicoElectronics
    Numero de volúmenes1
    Número de páginas410
    CiudadAlcala de Henares (SPAIN)
    Fecha de publicación10/2008
    Palabras clavecomputer vision, Multi-Object Tracking, Particle Filters, Probabilistic Algorithms
    Resumen

    This thesis is involved in the area of service and personal robotics, a research topic that has gained importance in the last two decades thanks to the evolution of technology and its insertion in everyday life of people. In this context, the thesis proposes a multiple target tracking (MTT) algorithm appropriate to be used in complex indoor environments. The MTT gives information about number, position, speed, track and identification of the different objects in the environment of the robot, information extracted from the data collected by the input observation system. The proposed solution fulfils some specifications derived from the desired performance: it has to consider the uncertainty of objects behaviour and sensor models; it has to be flexible in order to process input data coming from different kinds of sensors (vision, sonar, audio, laser, radio, etc., or some kind of fusion among any of them); it must handle different types of objects that can affect the robot’s behaviour in its environment, despite of their dynamics and deformable shape; it has to accomplish real time execution regardless of the number of objects and complexity of the scene being tracked; finally, it has to achieve the level of robustness and reliability needed by personal and service robotics, where safety of the surrounding objects (persons and other robots) and the robot itself is a main requirement. In order to achieve all the fore mentioned specifications, a combination of probabilistic and deterministic algorithms is proposed as the best solution for the MTT. A particle filter is used as estimation kernel of the tracker, and two deterministic clustering proposals are incorporated to it, where they are used as association process and output filtering, respectively, in the tracking task. This combination results in the “Extended Particle Filter with Clustering Process”, XPFCP, the proposal for multi-tracking applications presented in this thesis. Particle filters have the capability to model multiple states within a single distribution and have a great flexibility in managing any kind of dynamics and observation models. These characteristics make this version of the Bayes filter the most suitable algorithm for the multi-tracking solution proposed. Therefore, they can accomplish the tracking task pursuit with an almost constant computational cost. The same approach has been tried in some other research works, but the lack of robustness of the final MTT implementation has lead to discarding these solutions. This thesis proposes and demonstrates that a deterministic part in the MTT adds the robustness that the multimodal estimator needs. Throughout this thesis it can be found a deep revision of previous works (algorithms and results) carried out by the scientific community in the topic of interest. Then, it has been made an exhaustive study of the proposed tracker behaviour in complex tracking tasks in terms of reliability, efficiency, robustness and execution time. Finally, a comparison among the proposed solution and two of the best known and most widely used multi- tracking algorithms in the scientific community (the “Joint Probabilistic Data Association Filter” in its continuous –JPDAF– and sampled –SJPDAF– versions) is also performed and analyzed in order to validate the thesis contribution in this research area.

    Resumen

    La presente tesis se encuentra enmarcada dentro del área de la robótica personal y de servicios. Es éste un área de investigación que ha tomado gran relevancia en las últimas dos décadas gracias a los continuos avances de la tecnología y su inserción en la vida diaria de la sociedad moderna. Dentro de este contexto, en la tesis se propone un nuevo algoritmo para el seguimiento de múltiples objetos (“multiple target tracking”, MTT abreviadamente), concebido para su uso en entornos interiores complejos. El proceso de MTT diseñado, proporciona información completa sobre los diferentes objetos detectados en cada momento en el entorno del robot, indicando el número, posición, velocidad, camino recorrido e identidad de los mismos. Esta información es obtenida por el algoritmo de seguimiento a partir de los datos recogidos por el sistema de observación de entrada al sistema. La solución propuesta cumple todas las especificaciones establecidas por el comportamiento deseado para el seguidor: ha de tener en cuenta la incertidumbre de los modelos de estado y medida de los objetos bajo seguimiento; ha de ser flexible al uso de distintos tipos de sensores ha de poder adaptarse al tipo de información de entrada al algoritmo que proporcione el sistema (visión, ultrasonidos, infrarrojo, radio frecuencia, etc.) que conformen el sistema de observación empleado; debe ser capaz de seguir los diferentes tipos de objetos que el robot pueda encontrar en su movimiento por el entorno, independientemente de la dinámica o la forma de estos objetos; finalmente, tiene que alcanzar el nivel de robustez y fiabilidad que requiere la aplicación de robótica personal en la que se enmarca, en la cual la seguridad del propio robot y de los objetos seguidos (generalmente personas u otros robots) es una especificación básica. Para poder cumplir todas las especificaciones necesarias, el algoritmo de seguimiento diseñado en esta tesis adopta como mejor solución la combinación de métodos probabilísticos y determinísticos. De este modo, se propone un filtro de partículas como núcleo de estimación del algoritmo de seguimiento, al cual se le incorporan dos procesos de clasificación que actúan, respectivamente, como algoritmo de asociación y filtro de salida. Esta combinación da lugar al “Filtro de Partículas Extendido con Proceso de Clasificación” (“Extended Particle Filter with Clustering Process”, XPFCP), nombre con el que se identifica el algoritmo propuesto por la autora para el seguimiento de múltiples objetos en entornos interiores muy poblados. El filtro de partículas permite modelar múltiples estados en una única distribución multimodal; su flexibilidad lo hace idóneo para su aplicación con distintos tipos de modelos de estado y observación. Tales características convierten a esta versión del filtro de Bayes en la más adecuada para realizar el seguimiento de múltiples objetos, con la prestación adicional de poder realizar tal tarea de seguimiento con un coste computacional prácticamente constante. La idea de usar el filtro de partículas como estimador multimodal en aplicaciones de seguimiento ya ha sido propuesta en varios trabajos previos de investigación, pero la falta de robustez del sistema así obtenido ha llevado en todos los casos a descartar estas soluciones. Esta tesis propone y demuestra que la incorporación de una parte determinística en el algoritmo de seguimiento basado en filtro de partículas añade la robustez que el estimador multimodal requiere. En el presente documento, se incluye una profunda revisión (sobre algoritmos y resultados) de los trabajos llevados a cabo por la comunidad científica en esta misma línea de investigación. Además, se muestra también un estudio exhaustivo del comportamiento del sistema de seguimiento propuesto en situaciones complejas en términos de robustez, fiabilidad, eficiencia y tiempo de ejecución. Finalmente, se realiza la comparación de la solución diseñada por la autora con dos de los algoritmos más conocidos y usados por la comunidad científica en tareas de seguimiento similares: el “Filtro de Asociación Conjunta de Datos” o “Joint Probabilistic Data Association Filter”, en su versión continua (JPDAF) y muestreada (SJPDAF). Estas comparativas permiten contrastar y validar la contribución de la presente tesis en esta área de investigación.

    AdjuntoTamaño
    phD-Tesis-MartaMarronRomera-SAVED.pdf8.05 MB