عنوان مقاله:

نویسندگان:

مهرشاد مهرانفرد، امیرحسین حسنوند، علی هادیان

این مقاله کاربردهای فیلتر کالمن و انواع توسعه‌یافته آن را در ردگیری اشیا بررسی می‌کند. همچنین این مقاله به بررسی روش‌هایی مانند فیلتر کالمن تطبیقی (AKF)، فیلتر کالمن غیرمستقیم (UKF)، فیلتر کالمن گسترش‌یافته (EKF) و فیلتر کالمن عمیق (DKF) در ردگیری تک‌شیء (SOT) و چند‌شیء (MOT) میپردازد. عملکرد این روش‌ها درچندین بنچمارک و مجموعه‌داده‌های مختلف ارزیابی شده است. نتایج حاکی از آن است که AKF در محیط‌های شلوغ، UKF در سیستم‌های غیرخطی و DKF در سناریوهای پیچیده با یادگیری عمیق، دقت بهتری دارند. هر روش در برابر چالش‌هایی مانند انسداد، حرکت غیرخطی و نویز محیطی نقاط قوت و ضعف خاص خود را نشان می‌دهد. این مقاله کارایی روش‌ها را مقایسه کرده و نقش فیلتر کالمن در غلبه بر موانع ردگیری را تحلیل می‌کند. همچنین، چالش‌های موجود و جهت‌گیری‌های آینده، از جمله ادغام با یادگیری عمیق، بحث شده است. این پژوهش یک مقایسه جامع برای روش‌های نوین ردگیری اشیا ارائه می‌دهد.

فیلتر کالمن، ردگیری اشیاء، بینایی ماشین، یادگیری عمیق

برای لینک‌دهی به این مقاله از آدرس زیر استفاده نمایید:

برای ارجاع در منابع از عبارت زیر استفاده کنید:
مهرانفرد، مهرشاد، حسنوند، امیرحسین، هادیان، علی، 1404، مروری بر کاربرد فیلتر کالمن در ردگیری اشیا، بیست و یکمین کنفرانس ملی دانشجویی مهندسی برق ایران، https://conference.uok.ac.ir/fa/archive_index.php?c=HN-iscee21&aid=1517977