| Popis: |
The aim of this project is to modify, adapt, correct and test two target tracking algorithms to check their feasibility for future implementation in Advanced Driving Assistance Systems (ADAS). These systems, which range from automatic brake action to direct intervention in vehicle steering, require constant real-time monitoring of the environment (other cars, pedestrians, wild animals, etc.) and, in this respect, tracking algorithms have a crucial role to play, as they allow the continuous estimation of a target's trajectory in an accurate and efficient way. This project is the continuation of a project initiated by the Wireless Communications Research Unit of the Institute of Telecommunications of the TU Wien. As a starting point, two algorithms designed and implemented by the researchers working on the original project have been used. The first of these algorithms is a Particle Filter (PF) implemented in Python, developed to track a single target, while the second consists of a complex algorithm combining a Multiple Hypothesis Tracking (MHT) algorithm coupled to a Particle Filter (PF), also implemented in Python, with the intention of performing multiple target tracking. The project has been developed as follows. First, a random trajectory of a target was simulated in Matlab, using a random walk. Then, a Frequency Modulated Continuous Wave (FMCW) radar simulator, implemented in Matlab, developed by researchers at TU Wien, was used to perform the corresponding measurements. For the measurement process, a system consisting of four FMCW radars, placed in a square arrangement, was simulated. Finally, all data coming from the four radars was introduced into the two algorithms and combined by means of sensor fusion techniques in order to improve the quality of the trajectory estimates. El objetivo de este proyecto es modificar, adaptar, corregir y probar dos algoritmos de seguimiento de objetivos para comprobar su viabilidad de cara a su futura implantación en sistemas avanzados de asistencia a la conducción (ADAS). Estos sistemas, que van desde la actuación automática de los frenos hasta la intervención directa en la dirección del vehículo, requieren una monitorización constante en tiempo real del entorno (otros coches, peatones, animales salvajes, etc.) y, en este sentido, los algoritmos de seguimiento tienen un papel crucial, ya que permiten la estimación continua de la trayectoria de un objetivo de forma precisa y eficiente. Este proyecto es la continuación de un proyecto iniciado por la Unidad de Investigación de Comunicaciones Inalámbricas del Instituto de Telecomunicaciones de la TU Wien. Como punto de partida, se han utilizado dos algoritmos diseñados e implementados por los investigadores que trabajan en el proyecto original. El primero de estos algoritmos es un Filtro de Partículas (PF) implementado en Python, desarrollado para el seguimiento de un único objetivo, mientras que el segundo consiste en un complejo algoritmo que combina un algoritmo de Seguimiento de Hipótesis Múltiples (MHT) acoplado a un Filtro de Partículas (PF), también implementado en Python, con la intención de realizar el seguimiento de múltiples objetivos. El proyecto se ha desarrollado de la siguiente manera. En primer lugar, se simuló una trayectoria aleatoria de un objetivo en Matlab, utilizando un randomwalk. A continuación, se utilizó un simulador de radar de Onda Continua Modulada en Frecuencia (FMCW), implementado en Matlab, desarrollado por investigadores de TU Wien, para realizar las mediciones correspondientes. Para el proceso de medición, se simuló un sistema formado por cuatro radares FMCW, colocados en una disposición cuadrada. Por último, todos los datos procedentes de los cuatro radares se introdujeron en los dos algoritmos y se combinaron mediante técnicas de fusión de sensores para mejorar la calidad de las estimaciones de la trayectoria. L'objectiu d'aquest projecte és modificar, adaptar, corregir i provar dos algorismes de seguiment d'objectius per comprovar-ne la viabilitat de cara a la implantació futura en sistemes avançats d'assistència a la conducció (ADAS). Aquests sistemes, que van des de l'actuació automàtica dels frens fins a la intervenció directa a la direcció del vehicle, requereixen una monitorització constant en temps real de l'entorn (altres cotxes, vianants, animals salvatges, etc.) i, en aquest sentit, els algorismes de seguiment tenen un paper crucial, ja que permeten l'estimació contínua de la trajectòria d'un objectiu de manera precisa i eficient. Aquest projecte és la continuació d'un projecte iniciat per la Unitat de Recerca de Comunicacions Sense Fils de l'Institut de Telecomunicacions de la TU Wien. Com a punt de partida, s'han utilitzat dos algorismes dissenyats i implementats pels investigadors que treballen al projecte original. El primer d'aquests algoritmes és un Filtre de Partícules (PF) implementat a Python, desenvolupat per al seguiment d'un únic objectiu, mentre que el segon consisteix en un complex algorisme que combina un algorisme de seguiment d'hipòtesis múltiples (MHT) acoblat a un Filtre de Partícules (PF), també implementat a Python, amb la intenció de fer el seguiment de múltiples objectius. El projecte s'ha desenvolupat de la manera següent. En primer lloc, es va simular una trajectòria aleatòria d'un objectiu a Matlab, fent servir un randomwalk. A continuació, es va utilitzar un simulador de radar d'Onda Contínua Modulada en Freqüència (FMCW), implementat a Matlab, desenvolupat per investigadors de TU Wien, per realitzar els mesuraments corresponents. Per al procés de mesura, es va simular un sistema format per quatre radars FMCW, col·locats en una disposició quadrada. Finalment, totes les dades procedents dels quatre radars es van introduir als dos algoritmes i es van combinar mitjançant tècniques de fusió de sensors per millorar la qualitat de les estimacions de la trajectòria. |
