文档帮助中心文档
根据检测报告创建恒定加速度跟踪容积卡尔曼滤波器
位置= initcackf(检测)
例子
位置= initcackf (检测)基于所提供的信息,初始化一个用于目标跟踪的恒加速度立方体卡尔曼滤波器objectDetection对象,检测.
位置= initcackf (检测)
位置
检测
objectDetection
函数初始化一个恒定的加速度状态与constacc和cameas, (x;vx;一个x;y;vy;一个y;z;vz;一个z].
constacc
cameas
全部折叠
创建一个恒定加速度跟踪立方体卡尔曼滤波器对象,trackingCKF的初步检测报告。检测报告是由卡尔曼滤波状态的初始三维位置测量在直角坐标。你可以通过恒加速度测量函数获得三维位置测量,cameas.
trackingCKF
这个例子使用了坐标,X = 1, y = 3, z = 0和三维位置测量噪声0.2 [1 0;0.2 - 2 0;0 0 1].
X = 1, y = 3, z = 0
0.2 [1 0;0.2 - 2 0;0 0 1]
检测= objectDetection(0, [1;3;0]),“MeasurementNoise”, [1 0.2 0;0.2 - 2 0;0 0 1);
使用initcackf创建一个trackingCKF在给定位置初始化滤波器,并使用上述定义的测量噪声。
initcackf
ckf = trackingCKF with properties: State: [9x1 double] StateCovariance: [9x9 double] StateTransitionFcn: @constacc ProcessNoise: [3x3 double] HasAdditiveProcessNoise: 0 MeasurementFcn: @cameas MeasurementNoise: [3x3 double] HasAdditiveMeasurementNoise: 1 EnableSmoothing: 0
检查状态值和测量噪声。验证过滤器状态,位置。状态,具有与检测测量相同的位置组件,检测。测量.
位置。状态
检测。测量
ans =9×11 0 0 3 0 0 0 0 0 0 0
验证滤波器测量噪声,位置。MeasurementNoise,与检测。MeasurementNoise值。
位置。MeasurementNoise
检测。MeasurementNoise
ans =3×31.0000 0.2000 0 0.2000 2.0000 000 1.0000
The MathWorks, Inc.版权所有
创建一个恒定加速度跟踪立方体卡尔曼滤波器对象,trackingCKF的初步检测报告。检测报告是通过对卡尔曼滤波状态在球坐标下的初始三维位置测量得出的。你可以通过恒加速度测量函数获得三维位置测量,cameas.
这个例子使用了坐标az= 30 e1 = 5 r = 100 rr = 4测量噪声Diag ([2.5, 2.5, 0.5, 1].^2).
= 30 e1 = 5 r = 100 rr = 4
Diag ([2.5, 2.5, 0.5, 1].^2)
量= (30;5;100;4);measNoise = diag([2.5, 2.5, 0.5, 1].^2);
使用MeasurementParameters财产的检测对象来定义框架。类的字段未定义时MeasurementParameters结构使用默认值。在本例中,传感器位置、传感器速度、方向、仰角和距离速率标志为默认值。
MeasurementParameters
measParams =结构(“帧”,“球”);检测= objectDetection(0,量,“MeasurementNoise”measNoise,...“MeasurementParameters”measParams)
检测= objectDetection with properties: Time: 0 Measurement: [4x1 double] MeasurementNoise: [4x4 double] SensorIndex: 1 ObjectClassID: 0 Measurement parameters: [1x1 struct] ObjectAttributes: {}
ckf = trackingCKF with properties: State: [9x1 double] StateCovariance: [9x9 double] StateTransitionFcn: @constacc ProcessNoise: [3x3 double] HasAdditiveProcessNoise: 0 MeasurementFcn: @cameas MeasurementNoise: [4x4 double] HasAdditiveMeasurementNoise: 1 EnableSmoothing: 0
验证过滤器状态产生与上面相同的测量值。
meas2 = cameas位置。状态,measParams)
meas2 =4×130.0000 5.0000 100.0000 4.0000
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])
用于目标跟踪的恒加速度立方体卡尔曼滤波器,返回为trackingCKF对象。
该函数计算过程噪声矩阵假设单位标准差为加速度变化率。
你可以用这个函数FilterInitializationFcn的属性trackerTOMHT和trackerGNN系统对象。
FilterInitializationFcn
trackerTOMHT
trackerGNN
initcaekf
initcakf
initcaukf
initctekf
initctukf
initcvekf
initcvkf
initcvukf
trackingEKF
trackingKF
trackingUKF
您有这个示例的一个修改版本。要用编辑打开这个例子吗?
您点击了一个对应于这个MATLAB命令的链接:
通过在MATLAB命令窗口中输入该命令来运行该命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站来获得可用的翻译内容,并看到当地的活动和提供。根据您所在的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
请选择表现最佳的中国网站(中文或英文)。MathWorks的其他国家网站并没有针对您所在位置的访问进行优化。
与当地办事处联系