Dynamic object detection and tracking using sensor fusion and particle filter

Abstract

Nesne tespiti ve takibi literatürde uzun zamandır araştırma konusu olan problemlerdendir. Özellikle gündelik hayatta, nesnelerin tespit ve takip edilmesinin sağladığı birçok avantaj olduğundan, kullanımına çok yaygın şekilde ihtiyaç duyulmakta bu da konunun önemini iyiden iyiye arttırmaktadır. Nesne takibi için çeşitli takip türleri mevcut olup, her takip türüne göre kullanılacak takip yöntemleri farklılık göstermektedir. Bu tez Parçacık Filtrelemesi Algoritması'ndan yararlanarak hareketli nesnelerin tespit ve takip edilmesini konu alır. Temel amaç, hareketli birçok farklı nesnenin olduğu ortamlarda görüş alanına giren ve daha önceden tanınmayan nesnelerin takip edilebilmesi için bir altyapı hazırlamaktır. Temel amaç doğrultusunda nesnelerin tespiti, gözlemcinin konum değişiminin hesaplanması ve sonraki adımda tespit edilen nesnelerin bir önceki adımda tespit edilenlerle karşılaştırılarak yapılacak takibi için çeşitli donanımlar kullanılmıştır. Detaylandırmak gerekirse, LIDAR, nesnelerin gözlemciye göre pozisyonunun hesaplanması, dolayısıyla nesnelerin tespiti için kullanılırken, IMU (Inertial Measurement Unit) gözlemcinin bir önceki pozisyona göre olan rotasyon ve translasyonunun hesaplanması amacıyla kullanılır. Son olarak Odometre ve GPS kullanılarak, IMU yardımıyla hesaplanan translasyondaki hatanın minimize edilmesi ve gözlemcinin yer değişiminin daha keskin şekilde hesaplanması hedeflenmiştir. IMU, Odometre ve GPS'den alınan veriler Parçacık Filtresi Algoritması'na sokulmakta ve bu sayede filtre kullanılmadığı taktirde ortaya çıkacak olan toplamsal hata en aza indirgenmektedir. Tüm bunların yanında nesnelerin tespiti ve eşlenmesi sırasında uygulama tarafından kullanılan işlemci gücü, işlem zamanı gibi veriler de dikkate alınmıştır. Son olarak çeşitli büyüklük ve tipteki nesneler kullanılarak farklı çevrelerde testler yapılmış ve sonuçlar birbirleriyle karşılaştırılmıştır.

Object detection and tracking problem has long been an important topic in the literature. The importance of this subject continues to increase due to the advantages that object detection and tracking provides especially for every day practical life and hence the need for its pervasive use. There are numerous different types of object tracking and various different tracking methods for each type of tracking. This thesis presents a moving object detection and tracking system with a Particle Filter algorithm. The goal is to build an infrastructure that will allow following an unknown moving object in a region with numerous other dynamic objects. Several components are used to determine objects; to estimate self-localization; and match the determined objects in the next iteration with the previously determined objects in order to tag each object with a particular identification. Specifically, LIDAR is used to determine the objects, IMU(Inertial Measurement Unit) to estimate relative translation and rotation, Odometer and GPS to help increase the accuracy of the self-position that is calculated by the IMU. The Particle Filter algorithm predicts self-position, utilizing the data received from both the IMU, the Odometer and the GPS. Computational cost is also taken into account during the clustering and matching stages. Performance and detection accuracy tests are carried out using various sized objects, as well as different environmental settings in order to conduct a comparison analysis for the gathered data.