セグメント化データ分析を用いた追跡・測位のための新規データ関連付けアルゴリズム

本論文では、自動運転やスポーツ分析など多岐にわたる応用を持つ多物体追跡における検出誤差と計算負荷の課題に対し、クラスタリング、オブジェクトデータ関連性推定、および並列計算可能なカルマンフィルタ群を組み合わせた、オブジェクト追跡・測位のための新規アルゴリズムを提案する。このアルゴリズムは、オブジェクトの位置および追加特徴に関するセグメント化データを使用し、データ関連付け段階で動作する。現代的手法および従来的手法との互換性を確保したアーキテクチャ設計を持つ。APIDISデータセットでのテストでは、MOTAスコア81.8%で既存手法と比較して競争力のある性能を示した。また、パラグライダーパイロットが記録したカスタムデータセットを用いた滑空物体の追跡により、サーマル上昇の測位への適用可能性を示し、自律無人グライダーへの展開の可能性を確認した。