非会員:
50,600円
(本体価格:46,000円)
会員:
50,600円
(本体価格:46,000円)
学生:
50,600円
(本体価格:46,000円)
時々刻々と変化するシーン中の動く対象物を追跡する課題に対して,効果的な解を与える「パーティクルフィルタ」について,その基礎・方法論から応用,プログラム実装までを網羅した講義内容である.
確率・統計,ベイズ推定を出発点として,問題設定である「状態空間モデル」の定式化,その解を求める「状態推定」課題の明確化,状態推定の数式としての解(形式的な解)を理解する.これらの理論的な事実に基づいた方法論として,具体的な状態推定のアルゴリズム群を俯瞰する.カルマンフィルタに代表される解析的なフィルタ,パーティクルフィルタをはじめとする各種の近似フィルタ,および,更に発展的な方法について学ぶ.併せて,過去の時刻の推定である「平滑化」や,状態空間モデルに含まれる固定パラメータの推定についても触れる.発展的な課題として,複数対象の同時推定についても概観する.これらの理論および方法論を活用した応用として,複数分野の具体的な事例について概説する.プログラミングの実装例についても簡単に紹介する.
1 状態空間モデルと状態推定
1.1 確率と統計
1.2 ベイズ推定・逐次ベイズ推定
1.3 状態空間モデル
1.4 状態推定とその形式的解
2 状態推定のアルゴリズム
2.1 解析的フィルタ~カルマンフィルタ
2.2 近似フィルタ~パーティクルフィルタ
2.3 発展的な方法~逐次モンテカルロフィルタ
2.4 平滑化と固定パラメータ推定
2.5 複数対象の同時推定
3 応用事例の解説
3.1 簡単なモデルでの原理確認
3.2 時系列解析
3.3 ターゲット追跡
3.4 動画像追跡
3.5 マルチセンサ融合
3.6 移動ロボットの自己位置推定と地図学習
3.7 複数対象の同時追跡
4 プログラミング実装
4.1 C/C++実装
4.2 Python実装