愿景。KalmanFilter
校正测量、状态和状态估计误差协方差
描述
卡尔曼滤波对象是为跟踪而设计的。您可以使用它来预测物理对象的未来位置,减少检测位置中的噪声,或者帮助将多个物理对象与其相应的轨道关联起来。可以为每个物理对象配置一个卡尔曼滤波器对象,用于多个对象跟踪。要使用卡尔曼滤波,物体必须以恒定速度或恒定加速度运动。
创建
卡尔曼滤波算法包括两个步骤,预测和修正(也称为更新步骤)。第一步使用以前的状态来预测当前状态。第二步使用当前测量(如对象位置)来修正状态。卡尔曼滤波器实现了一个离散时间线性状态空间系统。
请注意
要简化卡尔曼滤波器的配置,可以使用configureKalmanFilter
对象配置卡尔曼滤波器。它设置了一个过滤器,用于在笛卡尔坐标系中跟踪一个物理对象,以恒定速度或恒定加速度运动。统计数据在所有维度上都是相同的。如果需要配置不同假设的卡尔曼滤波器,不使用该函数,直接使用该对象。
在状态空间系统中,状态转移模型,一个,测量模型,H,设置如下:
变量 | 价值 |
---|---|
一个 | [1 1 0 0;0 1 0 0;0 0 1 1;0 0 0 1] |
H | [1 0 0 0;0 0 1 0] |
语法
描述
返回一个离散时间、恒速度系统的卡尔曼滤波器。kalmanFilter
=愿景。KalmanFilter
另外配置控制模型,B.kalmanFilter
=愿景。KalmanFilter (StateTransitionModel
,MeasurementModel
)
配置卡尔曼过滤器对象属性,指定为一个或多个kalmanFilter
=愿景。KalmanFilter (StateTransitionModel
,MeasurementModel
,ControlModel
,名称,值
)名称,值
对参数。未指定的属性有默认值。
属性
对象的功能
使用预测
而且正确的
基于检测结果的函数。使用距离
函数来查找最佳匹配。
当检测到被跟踪对象时,使用
预测
而且正确的
函数与卡尔曼滤波对象和检测测量。按以下顺序调用函数:[…]=预测(
kalmanFilter
);[…]=正确的(kalmanFilter
,测量);当未检测到被跟踪对象时,调用
预测
函数,而不是正确的
函数。当被跟踪对象缺失或被遮挡时,无法进行测量。按照以下逻辑设置函数:[…]=预测(
kalmanFilter
);如果测量存在[…]=正确的(kalmanFilter
,测量);结束如果跟踪对象在过去丢失后恢复可用t-1连续的时间步长时,可以调用
预测
函数t次了。这个语法对处理异步视频特别有用。例如,当I = 1:k[…]预测,预测kalmanFilter);结束[…]=正确的(kalmanFilter,measurement)
例子
算法
参考文献
韦尔奇,格雷格和加里·毕晓普,卡尔曼滤波器简介, tr 95-041。北卡罗来纳大学教堂山分校计算机科学系。
[2]布莱克曼,南卡罗来纳州雷达多目标跟踪应用。Artech House, Inc.,第93页,1986。
扩展功能
版本历史
在R2012b中引入