主要内容

追踪一群鸟

打开脚本

此示例显示如何跟踪大量对象。生成大群鸟类，并为全球最近的邻居多目标跟踪器，trackerGNN，用来估计鸟群中每只鸟的运动。

场景定义

采用Reynolds[1]提出的行为模型对鸟群运动进行了模拟。在这个例子中，鸟群由1000只被称为boids的模拟鸟组成，它们的初始位置和速度先前被保存。它们遵循三个聚集规则:避碰、速度匹配和聚集中心。每条规则都与一个权重相关，根据每条规则的相对权重，鸟群的整体行为就会显现出来。在这种情况下，选择重量，使羊群围绕某一点飞行，并创建一个密集的中心。其他的体重设置会导致不同的行为出现。

追踪如此庞大而密集的鸟群面临两个挑战:

  1. 如何有效地跟踪1000 boids?

  2. 如何在如此密集的环境中追踪个体boids ?

下面的代码模拟了100步0.1秒的鸟群行为。左边的图显示了整个羊群，右边的图放大了羊群中心最密集的部分。

s =提高;%保持随机数生成器的当前状态rng (2019);％设置可重复结果的随机数生成器负载(“initialFlock.mat”，“x”，“v”）;枫树= Helperflock（“NumBoids”、大小(x, 1),“collisticaviodance重量”，0.5，．..“VelocityMatchingWeight”, 0.1,“FlockCenteringWeight”，0.5，“速度”v,．..“位置”，X，“BoidAcceleration”1);truLabels =字符串(num2str ((1: flock.NumBoids) '));绑定= 20;flockCenter =意味着(x, 1);[tp1, tp2] = helperCreateDisplay (x,绑定);%模拟100步植绒numsteps = 100;allx = repmat（x，[1 1 numsteps]）;dt = 0.1;为i = 1：numsteps [x，v] =移动（群，dt）;allx（：，：，i）= x;plottrack（tp1.plotters（1），x）viniew = findinview（x，-bound + flockcenter，bound + flockcenter）;plottrack（tp2.plotters（1），x（Inview，:)，trulabels（Inview））绘制结束

跟踪器的定义

定义跟踪器，如示例所示如何高效地跟踪大量对象．

你观察到boids沿着一条弯曲的路径，并选择由定义的常数转弯模型initctekf．

要限制计算成本所需的时间，请降低粗糙成本计算阈值AssignmentThreshold到一个较低的值。

此外，您选择的效率更高Jonker-Volgenant作为赋值算法，而不是默认的MUNKRES.算法。

您需要快速确认和删除曲目，将确认阈值和删除阈值分别设置为[2 3]和[2 2]。

最后，您知道传感器在任何给定的扫描中仅扫描一小部分群，因此您设置了hasdetableTrackidsInput.来真的才能将可检测的跟踪id传递给跟踪器。

下一行显示了如何使用上述属性配置跟踪器。中可以看到如何为跟踪器生成代码如何为跟踪器生成C代码，本例的跟踪器保存在函数flockTracker_kernel.m中

% tracker = trackerGNN("FilterInitializationFcn"，@initctekf，"MaxNumTracks"，1500，…%”AssignmentThreshold”,[800],“任务”,“Jonker-Volgenant”,…% " confirationthreshold "，[2 3]，"DeletionThreshold"，[2 2]，…%”HasDetectableTrackIDsInput”,真正的);

跟踪羊群

接下来，运行场景并跟踪羊群。

对简化的传感器模型进行了仿真detectFlock金宝app支持功能。它模拟了一个从左到右扫描鸟群的传感器，并在每次扫描的x轴上捕捉到鸟群跨度的五分之一。该传感器有0.98的检测概率，噪声使用一个标准偏差0.1米左右的每个位置分量的正态分布模拟。

传感器报告currentScan边界，用于向跟踪器提供可检测的轨迹id。

清除flockTracker_kernelpositionSelector = [1 0 0 0 0 0;0 0 1 0 0 0 0;0 0 0 0 1 0];trackIDs = 0 (0, 1,'uint32'）;trax = 0 (0, 3);边界=正(3 2);alltrax = 0(大小(allx));allIDs = repmat ({} 1 numSteps);trup2 = tp2.Plotters (1);trap2 = tp2.Plotters (2);trup2。HistoryDepth = 2 * trap2.HistoryDepth;clearPlotterData (tp1) clearPlotterData (tp2)为i = 1:numSteps t = i*dt;[detections, currentScan] = detectFlock(allx(:，:，i)，t);范围(:1)= currentScan;tracksInScan = findInView (trax,界限(:1),边界(:,2));(跟踪、信息)= flockTracker_kernel(检测t trackIDs (tracksInScan 1));trax = getTrackPositions(跟踪、positionSelector);如果~isempty(tracks) trackid = uint32([tracks. trackid]');其他的trackIDs = 0 (0, 1,'uint32'）;结束alltrax(1:尺寸(trax, 1), 1:3, i) = trax;allIDs{我}=字符串(trackIDs);helperVisualizeDisplay (tp1, tp2 truLabels、allx allIDs, alltrax,我)结束rng(年代);将随机数生成器重置为以前的状态

在生成的代码中跟踪器的结果

下面的GIF在一个mex文件中显示了跟踪器的性能。

概括

这个示例展示了如何在一个真实的场景中跟踪大量的对象，其中扫描传感器在每次扫描中只报告一小部分对象。该示例演示了如何为大量对象设置跟踪器，以及如何使用可检测的轨迹id输入来防止轨迹被删除。

参考

[1] Craig W. Reynolds，“羊群、牛群和学校:行为模型”，《计算机图形学》，第21卷第4期，1987年7月。

金宝app支持功能

helperCreateDisplay

该函数创建示例显示并返回句柄到剧院图。

函数[tp1,tp2] = helperCreateDisplay(x,bound) f = figure(“可见”，“离开”）;集(f,“位置”，[1 1 1425 700]）;MoveGui（F，“中心”）H1 = UIPanel（F，“字形大小”12“位置”,(。01.01.48.98]，“标题”，“群视图”）;h2 = uipanel (f,“字形大小”12“位置”,(。50.01 . 48.98]，“标题”，“植绒中心”）;flockCenter =意味着(x, 1);a1 =轴(h1,'位置'，[0.05 0.05 0.9 0.9]);网格（A1，“上”）tp1 = theaterplot（“父母”，a1）;%鸟群视图(截断)halfspan = 250;tp1.xlimits = 100 *圆形（[ -  halfspan +普罗克中心（1）Halfspan + FlockCenter（1）] / 100）;tp1.ylimits = 100 *圆形（[ -  halfspan +植物（2）半尖+植物（2）] / 100）;tp1.zlimits = 100 *圆形（[ -  halfspan +植物（3）半尖+植物（3）] / 100）;Trackplotter（TP1，“DisplayName”，“真相”，“HistoryDepth”0,“标记”，“^”，“MarkerSize”，4，“ConnectHistory”，“离开”）;set（findall（a1，“类型”，“线”，“标签”，“tpTrackHistory_Truth”)，“颜色”，“k”）;查看（A1,3）传奇（'地点'，“东北”）%聚集中心A2 =轴（H2，'位置'，[0.05 0.05 0.9 0.9]);网格(a2,“上”) tp2 =剧场情节(“父母”a2);tp2。XLimits = 10*round([-bound+flockCenter(1) bound+flockCenter(1)]/10);tp2。YLimits = 10*round([-bound+flockCenter(2) bound+flockCenter(2)]/10);tp2。ZLimits = 10*round([-bound+flockCenter(3) bound+flockCenter(3)]/10);trackPlotter (tp2“DisplayName”，“真相”，“HistoryDepth”0,．..“标记”，“^”，“MarkerSize”，6，“ConnectHistory”，“离开”，“字形大小”1);集(findall (a2,“类型”，“线”，“标签”，“tpTrackHistory_Truth”)，“颜色”，“k”）;％轨道绘图仪TrackColor = [0 0.4470 0.7410];%的蓝色TrackLength = 50;Trackplotter（TP1，“DisplayName”，“跟踪”，“HistoryDepth”TrackLength,“ConnectHistory”，“离开”，．..“标记”，“。”，“MarkerSize”3,“MarkerEdgeColor”TrackColor,“MarkerFaceColor”, TrackColor);集(findall (tp1。父母,“类型”，“线”，“标签”，“tpTrackHistory_Tracks”)，．..“颜色”TrackColor,“MarkerSize”3,“MarkerEdgeColor”, TrackColor);trackPlotter (tp2“DisplayName”，“跟踪”，“HistoryDepth”TrackLength,“ConnectHistory”，“上”，．..“标记”，“S”，“MarkerSize”8“MarkerEdgeColor”TrackColor,“MarkerFaceColor”，“没有”，“字形大小”1);集(findall (tp2。父母,“类型”，“线”，“标签”，“tptrackpositions_tracks”)，“行宽”2);集(findall (tp2。父母,“类型”，“线”，“标签”，“tpTrackHistory_Tracks”)，“颜色”TrackColor,“行宽”1);视图(a2, 3)传说('地点'，“东北”)组(f,“可见”，“上”）结束

detectFlock

该函数模拟了传感器模型。它返回一个检测数组和当前传感器扫描限制。

函数[检测,scanLimits] = detectFlock (x, t)持续的Sigma alldetections潮流Numscans Numscans Numcans =尺寸（x，1）;Pd = 0.98;如果Isempty (sigma) sigma = 0.1;oneDet = objectDetection (0 (0, 0, 0)“MeasurementNoise”σ,“ObjectAttributes”、结构);allDetections = repmat (oneDet numBoids 1);currentScan = 1;numScans = 5;结束所有检测的矢量化计算%x = x + sigma * randn（size（x））;[alldetections.time] =交易（t）;y = mat2cell（x'，3，那些（1，尺寸（x，1）））;[alldetections.measurent] =交易（y {：}）;%根据扫描次数限制覆盖区域flockXSpan = [min (x(: 1),[], 1)、马克斯(x (: 1), [], 1)];spanPerScan = (flockXSpan (2) -flockXSpan (1)) / numScans;scanLimits = flockXSpan(1) + spanscancan * [(currentScan-1) currentScan];第1 =,(x (: 1) > = scanLimits (1) x (: 1) < = scanLimits (2));%添加Pd画=兰德(大小(第1));= (draw%提升扫描计数currentScan = currentScan + 1;如果currentScan > numScans currentScan = 1;结束结束

findInView

的范围内的位置返回逻辑数组minBound和maxBound．

函数Inview = findInview（x，minbound，maxbound）veniew = false（size（x，1），1）;Inview（:) =（x（：，1）> minbound（1）＆x（：，1）．..(x(:，2)>minBound(2) & x(:，2)．..（x（:,3）> minbound（3）＆x（:,3）结束

helperVisualizeDisplay

该功能显示跟踪后的羊群和轨迹。

函数helperVisualizeDisplay(tp1,tp2,truLabels,allx,allIDs,alltrax,i) trup1 = tp1. ploters (1);trap1 = tp1.Plotters (2);trup2 = tp2.Plotters (1);trap2 = tp2.Plotters (2);plotTrack(trup1,allx(:，:，i)) n = numel(allIDs{i});plotTrack(trap1,alltrax(1:n，: i)) bounds = [tp2.XLimits;tp2.YLimits;针对我国有关矿山截污库坝= findInView (allx(:,:我),边界(:1),边界(:,2));inView = findview (alltrax(1:n，:，i)，bounds(:，1)，bounds(:，2));plotTrack (trap2 alltrax(针对我国有关矿山截污库坝,:我),allIDs{我}(针对我国有关矿山截污库坝))drawnow结束

传感器融合和跟踪工具箱文档

金宝app

自主系统的传感器融合与跟踪

自主系统的传感器融合与跟踪

下载白皮书