Kalman Filter-based Object Tracking Techniques for Indoor Robotic Applications

Detalhes bibliográficos
Autor(a) principal: Carvalho, Guilherme de Sousa
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/98163
Resumo: Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
id RCAP_50e87eaf5969683e5b710d5719669237
oai_identifier_str oai:estudogeral.uc.pt:10316/98163
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Kalman Filter-based Object Tracking Techniques for Indoor Robotic ApplicationsTécnicas de Rastreamento de Objetos baseadas em Filtro de Kalman para aplicações Robóticas de InterioresMulti-Object TrackingMotion EstimationData AssociationAutonomous Robotic PlatformsRastreamento de Múltiplos ObjectosEstimação de MovimentoAssociação de DadosPlataformas Róboticas AutónomasDissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e TecnologiaThe improvement of social robots have significantly increased, having in view an intelligent mobile robot system, that must be able to perform basic tasks, without compromising the human environment. Therefore, perception module has to be robust enough in object detection and tracking. Thus, the proposal of this dissertation, aims to integrate a multi-object tracking method in a mobile robotics context, mainly focusing on efficiency and performance, using the YOLOv3 object detector to acquire objects location in the image. This dissertation presents a study and exploitation of the SORT and the Deep-SORT Multi-Object Tracking by Detection methods. Aiming to increase robustness of assigning measurements to existing tracks, are introduced different conjugation of similarity metrics, regarding the data association module. Furthermore, to avoid the association between tracks and measurements of different classes, an object class based constraint is applied. These proposed data association techniques, were incorporated in the SORT and the Deep-SORT methods. The SORT, the Deep-SORT, and proposed data association techniques, were evaluated on the MOT17 training set and on the ISR Tracking Dataset (dataset labeled in this study). Moreover, an experiment for evaluating the performance of each method on a lower frame rate condition was performed, showing a decrease of performance. Nevertheless, experimental results attained without using object detector, shown an improvement of performance, when formulating the association problem with different similarity metrics. Throughout the development of this study, an indoor multi-class tracking dataset was labeled, providing useful conditions to validate the proposed framework. Therefore, a general evaluation of the SORT, the Deep-SORT and proposed data association techniques, using the YOLOv3 object detector, was performed in the referred labeled multi-class dataset.A melhoria dos robôs sociais tem aumentado significativamente, tendo em vista um sistema robótico móvel "inteligente", que deve ser capaz de executar tarefas básicas, sem comprometer o ambiente humano. Portanto, o módulo de perceção tem de ser suficientemente robustos na deteção e rastreamento de objetos (rastreamento equivale à tradução portuguesa de "tracking"). Portanto, a proposta desta dissertação, pretende integrar um método de rastreamento de múltiplos objetos, num contexto de robótica móvel, focando-se em questões de eficiência e desempenho computacional, utilizando o detetor de objetos YOLOv3 para adquirir a localização de objetos na imagem.Esta dissertação apresenta um estudo e exploração dos métodos de rastreamento por deteção, o SORT e o Deep-SORT. Com o objetivo de reforçar a robustez da atribuição de objetos medidos a objetos rastreados, são introduzidas conjugações diferentes de métricas de similaridade, no módulo de associação de dados. Adicionalmente, para evitar a associação de objetos medidos com objetos rastreados de diferentes classes, é aplicada uma restrição baseada em classes de objetos. Estas técnicas propostas de associação de dados, foram incorporadas nos métodos SORT e Deep-SORT.O SORT, o Deep-SORT, e as técnicas de associação de dados propostas, foram avaliados nos dados de treino do MOT17 e no ISR Tracking Dataset (conjunto de dados etiquetado neste estudo). Foram realizados testes ao desempenho dos métodos em condições de taxa reduzida de imagens, evidenciando uma diminuição do desempenho. Contudo, os resultados experimentais obtidos sem utilizar o detetor de objetos, mostram uma melhoria do desempenho, ao formular o problema de associação com métricas de semelhança diferentes. Ao longo do desenvolvimento deste estudo, um conjunto de dados de ambientes multi-classe e de interiores, foi etiquetado com dados de rastreio, fornecendo condições úteis para validar a estrutura proposta. Consequentemente foi realizada uma avaliação geral dos métodos SORT, Deep-SORT e técnicas de associação propostas, utilizando o detetor de objetos YOLOv3, no referido conjunto de dados de rastreio multi-classe etiquetado.FCTUniversidade de Coimbra - MATIS-CENTRO-01-0145-FEDER-000014, Portugal2021-11-25info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/98163http://hdl.handle.net/10316/98163TID:202920429engCarvalho, Guilherme de Sousainfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2022-05-25T10:05:30Zoai:estudogeral.uc.pt:10316/98163Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:16:03.788620Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Kalman Filter-based Object Tracking Techniques for Indoor Robotic Applications
Técnicas de Rastreamento de Objetos baseadas em Filtro de Kalman para aplicações Robóticas de Interiores
title Kalman Filter-based Object Tracking Techniques for Indoor Robotic Applications
spellingShingle Kalman Filter-based Object Tracking Techniques for Indoor Robotic Applications
Carvalho, Guilherme de Sousa
Multi-Object Tracking
Motion Estimation
Data Association
Autonomous Robotic Platforms
Rastreamento de Múltiplos Objectos
Estimação de Movimento
Associação de Dados
Plataformas Róboticas Autónomas
title_short Kalman Filter-based Object Tracking Techniques for Indoor Robotic Applications
title_full Kalman Filter-based Object Tracking Techniques for Indoor Robotic Applications
title_fullStr Kalman Filter-based Object Tracking Techniques for Indoor Robotic Applications
title_full_unstemmed Kalman Filter-based Object Tracking Techniques for Indoor Robotic Applications
title_sort Kalman Filter-based Object Tracking Techniques for Indoor Robotic Applications
author Carvalho, Guilherme de Sousa
author_facet Carvalho, Guilherme de Sousa
author_role author
dc.contributor.author.fl_str_mv Carvalho, Guilherme de Sousa
dc.subject.por.fl_str_mv Multi-Object Tracking
Motion Estimation
Data Association
Autonomous Robotic Platforms
Rastreamento de Múltiplos Objectos
Estimação de Movimento
Associação de Dados
Plataformas Róboticas Autónomas
topic Multi-Object Tracking
Motion Estimation
Data Association
Autonomous Robotic Platforms
Rastreamento de Múltiplos Objectos
Estimação de Movimento
Associação de Dados
Plataformas Róboticas Autónomas
description Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
publishDate 2021
dc.date.none.fl_str_mv 2021-11-25
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/98163
http://hdl.handle.net/10316/98163
TID:202920429
url http://hdl.handle.net/10316/98163
identifier_str_mv TID:202920429
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134056713027584

Registros relacionados