%创建场景exPath=fullfile（matlabroot，“例子”那“driving_fusion”那“主要的”）;addpath(exPath) [scenario, egoVehicle, sensors] = helperCreateScenario;%创建显示对象显示= helperExtendedTargetTrackingDisplay;％创建动画作家记录人物的每帧%动画写作。设置'RecordGIF'为真，启用GIF写入。gifWriter = helperGIFWriter (“图”、显示。数字．..“RecordGIF”、假);

函数返回给定轨迹和真值的错误。errorFcn = @(跟踪、真理)helperExtendedTargetError(跟踪、真理);％函数返回轨道和真理之间的距离。distFcn = @(跟踪、真理)helperExtendedTargetDistance(跟踪、真理);%函数从地面返回ID。默认值%标识符假定事实是用PlatformID标识的。在% drivingScenario, truth is identified with a ActorID。truthIdFcn = @ (x) [x.ActorID];%创建度量对象。tem = trackErrorMetrics (．..“ErrorFunctionFormat”那“自定义”那．..“EstimationErrorLabels”, {的位置误差那“VelocityError”那“DimensionsError”那'YawError'}，．..“EstimationErrorFcn”errorFcn,．..“TruthIdentifierFcn”, truthIdFcn);tam = trackAssignmentMetrics (．..“DistanceFunctionFormat”那“自定义”那．..'AssignmentDistanceFcn'distFcn,．..“DivergenceDistanceFcn”distFcn,．..“TruthIdentifierFcn”truthIdFcn,．..“AssignmentThreshold”30岁的．..“DivergenceThreshold”35);创建ospa度量对象。汤姆= trackOSPAMetric (．..“距离”那“自定义”那．..“DistanceFcn”distFcn,．..“TruthIdentifierFcn”, truthIdFcn);

trackerRunTimes = 0 (0, 3);ospaMetric = 0 (0, 3);创建一个multiObjectTracker跟踪器=多对象跟踪器(．..'FilterInitializationFcn'@helperInitPointFilter,．..“AssignmentThreshold”30岁的．..'ConfirmationThreshold'[4 - 5],．..“DeletionThreshold”3);为可重复的结果重置随机数生成器种子= 2018;S = rng(种子);步伐= 1;%对于multiObjectTracker，雷达报告在Ego笛卡尔坐标系中%未报告速度。这使我们能够从多个地方聚集检测%的传感器。为I = 1:6传感器{I}。HasRangeRate = false;传感器{我}。DetectionCoordinates =“身体”;结束

虽然advance（场景）和ishghandle（display.Figure）%获得场景时间时间= scenario.SimulationTime;%从自我车辆传感器收集检测结果[detections,isValidTime] = helperDetect(sensor, egoVehicle, time);%更新跟踪器，如果有新的检测如果任何(isValidTime)对于点跟踪器，检测必须首先被聚类detectionClusters = helperClusterRadarDetections（检测）;%更新跟踪器抽搐% confirmedTracks在方案坐标中confirmedTracks = updateTracks(tracker, detectionClusters, time);T = TOC;%更新度量% a.获得地面真理groundTruth = scenario.Actors(2:结束);%除了自我% b.更新分配指标tam（确认跟踪，地面真相）；[trackid，truthIDs]=当前分配（tam）；％ C。Update错误指标TEM（confirmedTracks，trackIDs，地面实况，truthIDs）;% d.更新ospa度量ospaMetric(timeStep,1) = tom(confirmedTracks, groundTruth);％更新鸟瞰情节将轨道转换为ego坐标以供显示confirmedTracksEgo=helperConvertToego坐标（电子车辆，confirmedTracks）；显示（电子车辆，传感器，检测，confirmedTracksEgo，检测群集）；drawnow；%记录跟踪器运行时间trackerRunTimes(步伐,1)= t;timeStep = timeStep + 1;%捕捉动画帧giftwriter（）；结束结束％的捕获累计跟踪指标。误差指标显示平均模拟误差的%值。assignmentMetricsMOT = tam.trackMetricsTable;errorMetricsMOT = tem.cumulativeTruthMetrics;%如果请求写GIFwriteAnimation (gifWriter“multiObjectTracking”）;

%设置传感器配置％sensorConfigurations = helperCreateSensorConfigurations(传感器、egoVehicle);%转换函数和过滤器初始化函数是state和%滤波器相关的。因此，它们没有在helper函数中设置。为I = 1：numel（sensorConfigurations）您可以使用不同的技术来初始化每个过滤器%传感器通过使用不同的功能，为每个配置。sensorConfigurations{}。FilterInitializationFcn= @helperInitGGIWFilter;在该场景中，轨迹是在恒定的回合率状态空间中定义的%的坐标。对恒定转速模型的测量fcn可以%用作转换函数。sensorConfigurations{}。SensorTransformFcn= @ctmeas;结束

partFcn = @ (x) helperPartitioningFcn (x, 3、5);追踪= trackerPHD ('SensorConfigurations'sensorConfigurations,．..“PartitioningFcn”partFcn,．..“AssignmentThreshold”, 450,．..%添加出生成分的检测细胞(每个细胞多个检测)的最小负对数似然。'ExtractionThreshold'，0.75，．..%要声明轨迹的筛选器组件的权重阈值'ConfirmationThreshold'，0.85，．..一个过滤器组件的重量％阈值被宣布为确认轨道“Merging阈值”,50,．..%合并组件的阈值“HasSensorConfigurationsInput”,真正的．..%跟踪在场景帧中执行，因此传感器配置随时间而变化）;

释放并重启所有对象。重启(场景);释放(tem);释放(tam);％没有刑罚为trackerPHDtam。AssignmentThreshold = tam。AssignmentThreshold - 2;释放(显示);显示。PlotClusteredDetection = false;gifWriter。pFrames = {};为i=1:numel（传感器）释放（传感器{i}）；如果我<= 6个传感器{I}。HasRangeRate = true;传感器{我}。DetectionCoordinates =“球形传感器”;结束结束％还原随机种子。rng(种子)第一次步长步伐= 1;%运行该场景虽然advance（场景）和ishghandle（display.Figure）%获得场景时间时间= scenario.SimulationTime;％获取其他车辆的姿态在自车辆坐标ta = targetPoses (egoVehicle);%从自我车辆传感器收集检测结果[检测，isValidTime，配置]=帮助检测（传感器，电子车辆，时间，传感器配置）；%使用所有检测更新跟踪器。请注意，没有%在将检测结果传递给跟踪器之前，需要对其进行聚类。此外，传感器配置作为输入传递给%追踪。抽搐% confirmedTracks在方案坐标中confirmedTracks =跟踪器（检测，配置，时间）;T = TOC;%更新度量% a.获得地面真理groundTruth = scenario.Actors(2:结束);%除了自我% b.更新分配指标tam（确认跟踪，地面真相）；[trackid，truthIDs]=当前分配（tam）；％ C。Update错误指标TEM（confirmedTracks，trackIDs，地面实况，truthIDs）;% d.更新ospa度量ospaMetric（时间步长，2）=汤姆（confirmedTracks，地面实况）;%更新鸟瞰图将轨道转换为ego坐标以供显示confirmedTracksEgo = helperConvertToEgoCoordinates(egoVehicle, confirmedTracks);显示(egoVehicle，传感器，检测，确认tracksego);drawnow;%记录跟踪器运行时间trackerRunTimes(步伐,2)= t;timeStep = timeStep + 1;%捕获GIF的帧giftwriter（）；结束捕获事实并跟踪指标表assignmentMetricsGGIWPHD = tam.trackMetricsTable;errorMetricsGGIWPHD = tem.cumulativeTruthMetrics;%如果请求写GIFwriteAnimation (gifWriter“ggiwphdTracking”）;

为I = 1：numel（sensorConfigurations）sensorConfigurations {I} .FilterInitializationFcn = @helperInitRectangularFilter;%初始化一个矩形目标gmphdsensorConfigurations{}。SensorTransformFcn= @ctrectcorners;%使用角来计算检测概率结束使用新的传感器配置定义跟踪器追踪= trackerPHD ('SensorConfigurations'sensorConfigurations,．..“PartitioningFcn”partFcn,．..“AssignmentThreshold”, 600,．..%检测细胞添加出生成分的最小负对数似然'ExtractionThreshold'，0.85，．..%要声明轨迹的筛选器组件的权重阈值'ConfirmationThreshold', 0.95,．..一个过滤器组件的重量％阈值被宣布为确认轨道“Merging阈值”,50,．..%合并组件的阈值“HasSensorConfigurationsInput”,真正的．..%跟踪在场景帧中执行，因此传感器配置随时间而变化）;释放并重启所有对象。重启(场景);为i=1:numel（传感器）释放（传感器{i}）；结束释放(tem);释放(tam);释放(显示);显示。PlotClusteredDetection = false;gifWriter。pFrames = {};％还原随机种子。rng(种子)第一次步长步伐= 1;%运行该场景虽然advance（场景）和ishghandle（display.Figure）%获得场景时间时间= scenario.SimulationTime;％获取其他车辆的姿态在自车辆坐标ta = targetPoses (egoVehicle);%从自我车辆传感器收集检测结果[检测，isValidTime，配置]=帮助检测（传感器，电子车辆，时间，传感器配置）；%使用所有检测更新跟踪器。请注意，没有%在将检测结果传递给跟踪器之前，需要对其进行聚类。此外，传感器配置作为输入传递给%追踪。抽搐% confirmedTracks在方案坐标中confirmedTracks =跟踪器（检测，配置，时间）;T = TOC;%更新度量% a.获得地面真理groundTruth = scenario.Actors(2:结束);%除了自我% b.更新分配指标tam（确认跟踪，地面真相）；[trackid，truthIDs]=当前分配（tam）；％ C。Update错误指标TEM（confirmedTracks，trackIDs，地面实况，truthIDs）;% d.更新ospa度量OsParametric（时间步，3）=tom（确认跟踪，地面真相）；%更新鸟瞰图将轨道转换为ego坐标以供显示confirmedTracksEgo = helperConvertToEgoCoordinates(egoVehicle, confirmedTracks);显示(egoVehicle，传感器，检测，确认tracksego);drawnow;%记录跟踪器运行时间trackerRunTimes(步伐,3)= t;timeStep = timeStep + 1;%捕获GIF的帧giftwriter（）；结束捕获事实并跟踪指标表assignmentMetricsGMPHD = tam.trackMetricsTable;errorMetricsGMPHD = tem.cumulativeTruthMetrics;%如果请求写GIFwriteAnimation (gifWriter“gmphdTracking”）;返回随机数生成器到它以前的状态RNG（S）rmpath（exPath）

helperPlotAssignmentMetrics（assignmentMetricsMOT、AssignmentMetricsGGIWPPH、assignmentMetricsGMPHD）；

helperPlotErrorMetrics (errorMetricsMOT errorMetricsGGIWPHD errorMetricsGMPHD);

ospaFig =图;情节(ospaMetric“线宽”2);传奇(点目标跟踪的那“GGIW-PHD追踪”那“矩形GM-PHD追踪”）;xlabel（“时间步(k)”）;ylabel (“OSPA”）;

runTimeFig =图;h =情节(trackerRunTimes(3:,:)。/ trackerRunTimes(3:最终,1),“线宽”2);传奇(点目标跟踪的那“GGIW-PHD追踪”那“矩形GM-PHD追踪”）;xlabel（“时间步(k)”）;ylabel (' $ $ \压裂{t_{追踪}识别}{t_ {multiObjectTracker}识别}$ $”那“口译员”那“乳胶”那“字体大小”,14); ylim（[0最大值（[h.YData]）+1]）；