MODELLI PREVISIONALI PER IL TRACKING DI OGGETTI
Negli ultimi anni si è affermato un crescente interesse nazionale ed internazionale nell'impiego di droni, ossia aeromobili che non necessitano di pilota a bordo. Essi possono essere dotati di equipaggiamento altamente sofisticato adatto, tra le altre applicazioni, alla diagnostica del territorio e al monitoraggio di asset sensibili. Gruppi ("stormi") di droni possono essere utilizzati per la sorveglianza di confini costieri e per il monitoraggio di imbarcazioni o altri mezzi di trasporto (definiti "target della sorveglianza"). Affinché la sorveglianza risulti efficace è necessario che i droni collaborino nel modo più razionale possibile.
È stato sviluppato un modello matematico-statistico in grado di pianificare i comandi da impartire ad uno stormo di droni nel caso in cui un target, ad esempio un’ imbarcazione attraversi un’area sotto sorveglianza e siano note le osservazioni (misure) sulla posizione di tale target. è stato implementato un algoritmo di inferenza Bayesiana in grado di prevedere la traiettoria del target e fornire la conseguente strategia da impartire ai droni al fine di massimizzare una data funzione utilità.
Tale algoritmo si basa sul "filtro di Kalman", ovvero una tecnica che inferisce i parametri di un modello dinamico di interesse a partire da osservazioni indirette, inaccurate o incerte. è un filtro ricorsivo grazie al quale nuove misure possono essere processate appena rilevate e che non necessita di ipotesi restrittive sul moto degli oggetti di cui si vuole prevedere la traiettoria. Il filtro di Kalman è uno strumento previsionale ampiamente utilizzato in ambiti diversi quali la ricostruzione di immagini, tracking di oggetti e odometria in computer vision, econometria, sistemi di navigazione (anche satellitare), pilotaggio automatico, tomografia, previsioni meteo, speech enhancement attraverso il filtraggio del rumore in sistemi audio.