New models and inference techniques for Gaussian process-based extended object tracking
Gauss süreç tabanlı genişletilmiş cisim takibi için yeni modeller ve kestirim yöntemleri
- Tez No: 763976
- Danışmanlar: DOÇ. DR. EMRE ÖZKAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 190
Özet
Bu tezde, bilinmeyen şekilli dinamik nesnelerin, -lidar, radar ve derinlik kamerası gibi algılayıcılar tarafından üretilen- nokta bulutu ölçümleri kullanılarak takip edilmesi problemi ele alınmıştır. Nokta ölçümleri, nesnelerin konumları ve yönelimlerinin yanında, bilinmeyen şekilleri hakkında da önemli bilgiler taşırlar. Bu bilgilerin potansiyelinden tam olarak faydalanabilmek amacıyla, Gauss süreç tabanlı genişletilmiş nesne takibi (GPEOT) çerçevesi incelenmiştir. Bu bağlamda, üç boyutlu (3B) nokta bulutu ölçümleri tarafından sağlanan bilgileri etkin bir biçimde kullanabilen çeşitli 3B GPEOT modelleri önerilmiştir. Ortaya çıkan yöntemler, cismin konum, yönelim ve hız gibi kinematik özellikleri ile birlikte 3B uzantısını da yüksek doğrulukla kestirebilmektedir. Öte yandan, GPEOT modelleri için varyasyonel Bayes tekniğine dayanan yaklaşık bir kestirim metodu türetilmiştir. İlgili yöntem, cismin kinematik ve uzantı değişkenlerininin yaklaşık sonsal dağılımlarını sabit nokta yinelemeleri ile başarılı bir şekilde hesaplamaktadır. Geliştirilen takip algoritmasının özellikle model belirsizliklerine karşı gürbüz olduğu gösterilmiştir. Ayrıca, mevcut GPEOT algoritmalarının etkin performanslarından ödün vermeden hesaplama özelliklerini iyileştirmeye odaklanılmıştır. Bu amaçla, cismin uzantısını açıklamak üzere kullanılan Gauss süreci modeli alternatif bir yöntem ile yaklaştırılarak gereken işlem yükü azaltılmıştır. Bu formülasyon kullanılarak iki ve üç boyutlu hedef takibi algoritmaları türetilmiştir. Ek olarak, standart GPEOT yaklaşımının aksine, yıldız-dışbükey varsayımına dayanmayan yeni bir uzantı modeli geliştirilmiştir. Böylece, rastgele uzantılı cisimlerin GPEOT çerçevesinde takibi ve eş zamanlı olarak uzantılarının öğrenilmesi mümkün kılınmıştır. Bahsedilen çalışmaların katma değeri, benzeştirilmiş ve gerçek ölçümler üzerinde gerçekleştirilen kapsamlı deneyler ile gösterilmiştir.
Özet (Çeviri)
In this thesis, we consider the problem of tracking dynamic objects with unknown shapes using point cloud measurements generated by, e.g., lidars, radars, and depth cameras. The point measurements do not only convey information about the object pose, i.e., position and orientation, but they also naturally reveal the characteristics of its latent extent. Aiming to harness the full potential of the available information, we investigate the Gaussian process-based extended object tracking (GPEOT) framework. We hereby develop several three-dimensional (3D) GPEOT models that effectively use the information provided by 3D point cloud measurements. The resulting methods can accurately estimate the 3D object shape together with its kinematic properties, such as position, orientation, and velocity. Furthermore, we introduce an approximate inference method for the GPEOT models relying on the variational Bayesian technique, where the approximate posterior distributions of the kinematic and extent variables are effectively computed by fixed-point iterations. The resulting method is particularly shown to prove robust against model uncertainties. We also focus on improving the computational characteristics of the existing GPEOT algorithms without compromising their effective performance. To this end, we formulate an alternative approximate description of the underlying GP model for the extent that provides satisfactory performance at a lower computational load. This formulation is used to derive both two- and three-dimensional tracking algorithms. Additionally, we propose a novel model that does not require the star-convexity assumption, as opposed to the standard GPEOT. Therefore, this formulation expands the application of the existing GPEOT framework as it enables tracking arbitrarily-shaped objects while learning their latent extent. Comprehensive experiments are performed to demonstrate the added value of the mentioned contributions with both simulated and real measurements.
Benzer Tezler
- Patlatma kaynaklı yer sarsıntısı tahmininde uyarlamalı bulanık çıkarım sistemi (ANFIS), destek vektör makineleri (SVM) ve gauss süreç regresyonu (GPR) tekniklerinin kullanımı
Application of adaptive-network based fuzzy inference system (ANFIS), support vector machines (SVM) and gaussian process regression (GPR) techniques for prediction of blast-induced ground vibrations
YAŞAR AĞAN
Yüksek Lisans
Türkçe
2023
Maden Mühendisliği ve Madencilikİstanbul Teknik ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
PROF. DR. TÜRKER HÜDAVERDİ
- Akıllı kentlerde alansal hava kirliliğinin belirlenmesi ve kirlilik modellemesi: Erzurum ili örneği
Determination of area air pollution and pollution modeling in smart cities: A case study of Erzurum province
ŞAHİN KORKMAZ
Doktora
Türkçe
2023
Çevre MühendisliğiAtatürk ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. ZEYNEP CEYLAN
- Characterization of different shape objects using EM pulse for several different scenarios
Farklı senaryolarda EM darbesi kullanarak farklı şekillerdeki nesnelerin karakterizasyonu
EMRE İŞCAN
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Mühendisliği Ana Bilim Dalı
YRD. DOÇ. SEBAHATTİN EKER
PROF. VASIL TABATADZE
- Kumarinlerin karbonik anhidraz CA-XII izo-enzimine karşı inhibitör aktivitelerinin QSAR modellemesi
QSAR study of coumarin derivatives as carbonic anhydrase CA-XII isozyme inhibitors
MEHMET KIYTAK
- Ağyapı çıkarımı tekniklerinin metabolom verilerine uygulanarak hücrenin biyolojik amacının incelenmesi
Investigation of the biological objective of the cell by applying network inference techniques to metabolome data
MELİK ÖKSÜZ
Yüksek Lisans
Türkçe
2012
Kimya MühendisliğiGebze Yüksek Teknoloji EnstitüsüKimya Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN SADIKOĞLU
YRD. DOÇ. DR. TUNAHAN ÇAKIR