用于车辆跟踪的去中心化泊松多伯努利滤波
Decentralized Poisson Multi-Bernoulli Filtering for Vehicle Tracking
AI总结：
提出一种去中心化泊松多伯努利滤波器，利用多个高分辨率传感器结合高斯过程扩展模型跟踪多车辆，通过参数化状态表示和融合映射实现高效的去中心化多目标滤波。
摘要：
提出了一种去中心化泊松多伯努利滤波器，利用多个高分辨率传感器跟踪多车辆。独立滤波器使用高斯过程扩展模型估计车辆的存在、状态和形状；通过融合滤波器后验密度实现去中心化滤波器。通过参数化状态表示、利用单假设航迹以及基于融合映射的车辆信息融合，实现了高效实现。数值结果证明了其性能。
英文摘要：
A decentralized Poisson multi-Bernoulli filter is proposed to track multiple vehicles using multiple high-resolution sensors. Independent filters estimate the vehicles' presence, state, and shape using a Gaussian process extent model; a decentralized filter is realized through fusion of the filters posterior densities. An efficient implementation is achieved by parametric state representation, utilization of single hypothesis tracks, and fusion of vehicle information based on a fusion mapping. Numerical results demonstrate the performance.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
