Multi-target tracking by non-linear set-membership methods - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2022

Multi-target tracking by non-linear set-membership methods

Pistage multi-cibles par méthodes ensemblistes non-linéaires

Julius Ibenthal
  • Fonction : Auteur
  • PersonId : 1235772
  • IdRef : 26737240X

Résumé

Searching and tracking mobile targets remains a challenging task among the various applications for robots. This thesis considers the search and track of an unknown number of targets moving in a bounded area by a cooperative Unmanned Aerial Vehicle (UAV) fleet. Distributed estimation and control schemes are presented. The estimation schemes rely on the assumption that state perturbations and measurement noises are bounded. Robust distributed set-membership estimators are used to evaluate set estimates that are guaranteed to contain the target states. The set estimates are updated by each UAV using information collected from its sensors and from the neighboring UAVs. The trajectories of the UAVs are designed using model predictive control approaches. The control is designed to decrease the estimation uncertainty of the unknown, not yet detected targets and known, tracked targets.The developed estimation and control schemes rely on new detailed models of deterministic identification and detection conditions of the targets. These conditions account for UAV and target states, sensor constraints, and environmental obstacles. The developed estimators utilize measurements of identified and unidentified targets and are robust to the presence of potential decoys, which may be confused with the targets. Furthermore, the new deterministic detection model allows the evaluation of guaranteed set estimates of target locations in unknown structured environments, where it is challenging to demonstrate the absence of a target at a given location. To estimate the target locations, neither having nor building a map of the environment is necessary.Various simulations illustrate the ability of the proposed approaches to efficiently search and track an unknown number of moving targets within some delimited search area. Additionally, preliminary experimental studies are carried out.
La recherche et le suivi de cibles mobiles constituent une tâche d'intérêt mais notablement difficile parmi les diverses applications des robots. Cette thèse considère la recherche et le suivi d'un nombre inconnu de cibles mobiles se déplaçant dans une zone délimitée par une flotte coopérative de véhicules aériens sans pilote (UAV). Des schémas d'estimation et de contrôle distribués sont présentés. Les schémas d'estimation reposent sur l'hypothèse que les perturbations d'état et les bruits de mesure sont bornés. Des estimateurs distribués robustes ensemblistes sont utilisés pour caractériser l'ensemble garanti de contenir les cibles. Les estimations ensemblistes sont mises à jour par chaque drone à l'aide des informations recueillies par ses propres capteurs et par les drones voisins. Les trajectoires des UAVs sont calculées en utilisant des approches de contrôle prédictif de modèle. Les lois de commande sont conçues afin de diminuer l'incertitude d'estimation des cibles inconnues, non encore détectées, et des cibles déjà connues et faisant l'objet d'un suivi. Les schémas d'estimation et de contrôle développés reposent sur de nouveaux modèles détaillés de conditions déterministes d'identification et de détection des cibles. Ces conditions tiennent compte des états du drone et de la cible, des contraintes des capteurs et des obstacles environnementaux. Les estimateurs développés utilisent des mesures de cibles identifiées et non identifiées et sont robustes à la présence de leurres potentiels, qui peuvent être confondus avec les cibles. En outre, le nouveau modèle de détection déterministe permet d'évaluer des estimations ensemblistes garanties de l'emplacement des cibles dans des environnements structurés inconnus, où il est difficile de démontrer l'absence d'une cible à une localisation donnée. Pour effectuer cette estimation, il n'est pas nécessaire de disposer d'une carte de l'environnement ou de la construire. Diverses simulations illustrent la capacité des approches proposées à rechercher et à suivre efficacement un nombre inconnu de cibles mobiles dans une zone de recherche délimitée. De plus, les résultats obtenus par de premières expérimentations sont présentés.
Fichier principal
Vignette du fichier
116335_IBENTHAL_2022_diffusion.pdf (13.97 Mo) Télécharger le fichier
Chap_4_CameraTello_annexes.mp4 (3.93 Mo) Télécharger le fichier
Chap_4_ComDist_50_annexes.mp4 (40.79 Mo) Télécharger le fichier
Chap_4_FleetSize_10_1_annexes.mp4 (32.88 Mo) Télécharger le fichier
Chap_4_FleetSize_4_1_annexes.mp4 (39.21 Mo) Télécharger le fichier
Chap_4_FleetSize_4_2_annexes.mp4 (50.96 Mo) Télécharger le fichier
Chap_4_FleetSize_6_1_annexes.mp4 (35.28 Mo) Télécharger le fichier
Chap_4_FlightTello_annexes.mp4 (19.7 Mo) Télécharger le fichier
Chap_4_NoiseBoundMismatch_1_annexes.mp4 (48.85 Mo) Télécharger le fichier
Chap_4_SetEstimates_annexes.mp4 (60.26 Ko) Télécharger le fichier
Chap_4_Sim_AirSim_annexes.mp4 (7.54 Mo) Télécharger le fichier
Chap_4_SimpleBaselineMPC_1_annexes.mp4 (102.95 Mo) Télécharger le fichier
Chap_4_TargetSpeed_1_annexes.mp4 (59.31 Mo) Télécharger le fichier
Chap_4_VideoLegend_annexes.pdf (32.57 Ko) Télécharger le fichier
Chap_5_3_Audio_Comments_annexes.mp4 (21.83 Mo) Télécharger le fichier
Chap_5_3_Set_X_overline_i_k_and_X_i_j_k_annexes.mp4 (16.77 Mo) Télécharger le fichier
Chap_5_3_X_overline_withObstacles_annexes.mp4 (47.16 Mo) Télécharger le fichier
Chap_5_3_X_overline_withoutObstacles_annexes.mp4 (46.45 Mo) Télécharger le fichier
Chap_5_4_ConeElevation_1_annexes.mp4 (968.43 Ko) Télécharger le fichier
Chap_5_4_ConeElevation_2_annexes.mp4 (1022.12 Ko) Télécharger le fichier
Chap_5_4_ConeElevation_3_annexes.mp4 (887.42 Ko) Télécharger le fichier
Chap_5_4_SimSet_1_2D_annexes.mp4 (39.73 Mo) Télécharger le fichier
Chap_5_4_SimSet_1_3D_annexes.mp4 (79.91 Mo) Télécharger le fichier
Chap_5_4_SimSet_2_2D_annexes.mp4 (34.53 Mo) Télécharger le fichier
Chap_5_4_SimSet_2_3D_annexes.mp4 (85.72 Mo) Télécharger le fichier
Chap_5_4_SimSet_3_2D_annexes.mp4 (39.87 Mo) Télécharger le fichier
Chap_5_4_SimSet_3_3D_annexes.mp4 (79.04 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre
Format : Autre

Dates et versions

tel-04022905 , version 1 (10-03-2023)

Identifiants

  • HAL Id : tel-04022905 , version 1

Citer

Julius Ibenthal. Multi-target tracking by non-linear set-membership methods. Automatic. Université Paris-Saclay, 2022. English. ⟨NNT : 2022UPAST124⟩. ⟨tel-04022905⟩
120 Consultations
28 Téléchargements

Partager

Gmail Facebook X LinkedIn More