%创建场景exPath=fullfile（matlabroot，“例子”,“driving_fusion”,“主要的”）;addpath(exPath) [scenario, egoVehicle, sensors] = helperCreateScenario;%创建显示对象显示= helperExtendedTargetTrackingDisplay;%创建动画编写器以记录图形的每一帧%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相的错误。errorFcn = @(跟踪、真理)helperExtendedTargetError(跟踪、真理);函数返回轨迹与真值之间的距离distFcn = @(跟踪、真理)helperExtendedTargetDistance(跟踪、真理);%函数从地面返回ID。默认值%标识符假定真理是用PlatformID.In标识的% drivingScenario, truth is identified with a ActorID。truthIdFcn=@（x）[x.ActorID]；%创建度量对象。tem = trackErrorMetrics (.．.“ErrorFunctionFormat”,“自定义”,.．.“EstimationErrorLabels”,{“位置错误”,“VelocityError”,“DimensionsError”,“亚沃罗”}，.．.“EstimationErrorFcn”errorFcn,.．.“TruthIdentifierFcn”, truthIdFcn);tam = trackAssignmentMetrics (.．.“DistanceFunctionFormat”,“自定义”,.．.“AssignmentDistanceFcn”distFcn,.．.“DivergenceDistanceFcn”distFcn,.．.“TruthIdentifierFcn”truthIdFcn,.．.“AssignmentThreshold”,30,.．.“DivergenceThreshold”,35);%创建度量对象tom=轨道光度计(.．.“距离”,“自定义”,.．.“DistanceFcn”distFcn,.．.“TruthIdentifierFcn”, truthIdFcn);

trackerRunTimes = 0 (0, 3);ospaMetric = 0 (0, 3);创建一个multiObjectTracker追踪= multiObjectTracker (.．.“FilterInitializationFcn”@helperInitPointFilter,.．.“AssignmentThreshold”30岁的.．.“确认阈值”[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在方案坐标中确认跟踪=更新跟踪（跟踪程序、检测群集、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。更新错误度量tem（确认跟踪、轨道ID、地面真相、真相）；% d.更新ospa度量ospaMetric(timeStep,1) = tom(confirmedTracks, groundTruth);%更新鸟瞰图将轨道转换为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%捕获累积轨迹度量。错误度量显示平均值%模拟过程中的误差值。assignmentMetricsMOT=tam.trackMetricsTable；errorMetricsMOT=tem.cumulativeTruthMetrics；%如果请求写GIFwriteAnimation (gifWriter“multiObjectTracking”）;

%设置传感器配置%传感器配置=帮助创建传感器配置（传感器、车辆）；%转换函数和过滤器初始化函数为状态和%滤波器相关的。因此，它们没有在helper函数中设置。为i=1:numel（传感器配置）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。传感器配置{i}.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{}。传感器变压器= @ctmeas;结束

partFcn = @ (x) helperPartitioningFcn (x, 3、5);追踪= trackerPHD (“传感器配置”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。“提取阈值”,0.75,.．.%要声明轨迹的筛选器组件的权重阈值“确认阈值”,0.85,.．.%要声明为已确认轨迹的过滤器组件的重量阈值“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）；%追踪者不受惩罚tam.AssignmentThreshold=tam.AssignmentThreshold-2；释放（显示）；display.PlotClusteredDetection=false；gifWriter.pFrames={}；为I = 1:numel(sensors)释放(sensors{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%恢复随机种子。rng(种子)%第一时间步步伐= 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;%在ego车辆坐标中获取其他车辆的姿势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在方案坐标中确认跟踪=跟踪器（检测、配置、时间）；t=总有机碳；%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。更新错误度量tem（确认跟踪、轨道ID、地面真相、真相）；% d.更新ospa度量OsParametric（timeStep，2）=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,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（传感器配置）传感器配置{i}.FilterInitializationFcn=@HelperInTectAngularFilter；%初始化矩形目标gmphdsensorConfigurations{}。传感器变压器= @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 (“传感器配置”sensorConfigurations,.．.“PartitioningFcn”partFcn,.．.“AssignmentThreshold”, 600,.．.%检测细胞添加出生成分的最小负对数似然“提取阈值”,0.85,.．.%要声明轨迹的筛选器组件的权重阈值“确认阈值”, 0.95,.．.%要声明为已确认轨迹的过滤器组件的重量阈值“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(sensors)释放(sensors{I});结束释放(tem);释放(tam);释放(显示);显示。PlotClusteredDetection = false;gifWriter。pFrames = {};%恢复随机种子。rng(种子)%第一时间步步伐= 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;%在ego车辆坐标中获取其他车辆的姿势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在方案坐标中确认跟踪=跟踪器（检测、配置、时间）；t=总有机碳；%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。更新错误度量tem（确认跟踪、轨道ID、地面真相、真相）；% 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”）;%将随机数生成器返回到其以前的状态rng（S）rmpath（外派）

helperPlotAssignmentMetrics（assignmentMetricsMOT、AssignmentMetricsGGIWPPH、assignmentMetricsGMPHD）；

helperPlotErrorMetrics (errorMetricsMOT errorMetricsGGIWPHD errorMetricsGMPHD);

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