文档帮助中心文档
根据检测报告创建恒定加速度线性卡尔曼滤波器
过滤器= initcakf(检测)
例子
过滤器= initcakf (检测)创建并初始化一个恒定加速度线性卡尔曼过滤器从包含的信息检测报告。有关线性卡尔曼滤波器的更多信息,请参见trackingKF.
过滤器= initcakf (检测)
过滤器
检测
trackingKF
函数初始化一个常量加速状态,其约定与constacc和cameas, (x;vx;一个x;y;vy;一个y;z;vz;一个z].
constacc
cameas
全部折叠
从初始检测报告中创建并初始化一个二维恒定加速度线性卡尔曼滤波对象。
根据物体位置的初始二维测量(10,−5)创建检测报告。假设测量噪声不相关。
检测= objectDetection (0 (10; 5)“MeasurementNoise”,眼(2),...“SensorIndex”, 1“ObjectClassID”, 1“ObjectAttributes”,{“汽车”, 5});
从检测报告中创建新的过滤器。
过滤器= initcakf(检测);
显示过滤器状态。
过滤器。状态
ans =6×110 0 0 5 0 0
显示状态转移模型。
过滤器。状态TransitionModel
ans =6×61.0000 1.0000 0.5000 0000 1.0000 1.0000 0000 1.0000 0000 1.0000 0000 1.0000 0000 1.0000 0000 1.0000 0000 1.0000 0.5000 0000 0 1.0000 1.0000 0000 0 1.0000
objectDetection
检测报告,指定为objectDetection对象。
例子:检测= objectDetection(0,[1;4.5;3],'MeasurementNoise', [1.0 0 0;2.0 0 0;0 0 1.5])
检测= objectDetection(0,[1;4.5;3],'MeasurementNoise', [1.0 0 0;2.0 0 0;0 0 1.5])
线性卡尔曼滤波器,返回为trackingKF对象。
该函数计算过程噪声矩阵,假设时间步长为1秒,加速度标准差为1m /s3..
你可以使用这个函数作为FilterInitializationFcn财产的multiObjectTracker对象。
FilterInitializationFcn
multiObjectTracker
initcaekf
initcaukf
initctekf
initctukf
initcvkf
initcvekf
initcvukf
trackingEKF
trackingUKF
您有这个示例的修改版本。您想打开这个示例与您的编辑吗?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系