主要内容

initcakf.

从检测报告创建常量 - 加速线性Kalman滤波器

页面上倒塌

语法

筛选= initcakf（检测）

描述

示例

过滤器= initcakf（检测）创建并初始化恒定加速线性Kalman过滤器从包含的信息检测报告。有关Linear Kalman滤波器的更多信息，请参阅trackingkf.。

该函数用与相同的惯例初始化恒定的加速状态COLLACACC.和Cameas.，[X.;V.X.;A.X.;y;V.y;A.y;Z.;V.Z.;A.Z.]。

例子

崩溃

打开直播脚本

从初始检测报告中创建和初始化2-D常量加速线性Kalman过滤器对象。

从初始2-D测量，（10，-5），对象位置创建检测报告。假设不相关的测量噪声。

检测= ObjectDetection（0，[10; -5]，'MeasurementNoise'，眼睛（2），......'sensorindex'，1，'objectclassid'，1，'ObjectAttributes'，{'车'，5}）;

从检测报告创建新过滤器。

过滤器= initcakf（检测）;

显示过滤状态。

filter.state.
ans =.6×110 0 0 -5 0 0

显示状态转换模型。

filter.stateTransitionModel.
ans =.6×6.1.0000 1.0000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1.0000 1.0000 0 0 0 0 0 1.0000

输入参数

崩溃

检测报告，指定为一个ObjectDetection.对象。

示例：检测= ObjectDetection（0，[1; 4.5; 3]，'MeasurementNoise'，[1.0 0 0; 0 2.0 0; 0 0 1.5]）

输出参数

崩溃

线性卡尔曼滤波器，作为一个返回trackingkf.对象。

算法

  • 该功能根据一秒时间步骤和1米/秒的加速率标准偏差计算过程噪声矩阵3.。

  • 您可以使用此功能FilterInitializationFCN.A的财产Trackergnn.或者trackertomht.对象。

扩展能力

C / C ++代码生成
使用MATLAB®Coder™生成C和C ++代码。

另请参阅

功能

对象

在R2018B中介绍

传感器融合和跟踪工具箱文档

金宝app

自治系统传感器融合和跟踪

自治系统传感器融合和跟踪

下载白皮书