Radargestützte Mehrobjekt-Verfolgung mit dem PHD-Filter

Zusammenfassung Die Detektion und Verfolgung einer zeitlich variierenden Menge an Objekten ist für viele technische Anwendungen eine Grundvoraussetzung, wobei zukünftige Fahrerassistenzsysteme ein aktuelles Beispiel darstellen. Die Unsicherheiten der Sensorinformation lassen sich hierbei systematisch mit Hilfe der Bayes´schen Statistik handhaben. In diesem Beitrag werden zunächst der Ansatz für das PHD-Filter und anschließend einige ausgewählte Teilaspekte eines darauf basierenden Fusionsframeworks vorgestellt, sowie Fusionsergebnisse sowohl mit synthetischen als auch realen Messdaten präsentiert. Abstract Multiobject tracking is a key prerequisite for many technical applications, next generation driver assistance systems being a current example. A Bayesian approach to this task allows to handle measurement uncertainties in a systematic way. In this article, the theoretical basis of the PHD filter and some key aspects of a fusion framework based on it are presented, along with tracking results obtained for synthetic as well as real-world data.