主要内容

initcaukf.

从检测报告中创建常量加速Uncented Kalman滤波器

页面上倒塌

句法

筛选= initcaukf（检测）

描述

例子

筛选= initcaukf（检测）创建并初始化恒定的加速uncented卡尔曼筛选从包含的信息检测报告。有关Unspented Kalman筛选器的更多信息，请参阅trackingukf.。

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;一种X;y;V.y;一种y;Z.;V.Z.;一种Z.]。

例子

全部收缩

打开直播脚本

从初始检测报告中创建并初始化3-D常量加速Unscented Kalman过滤器对象。

从初始3-D测量创建检测报告，（-200,30,5），对象位置。假设不相关的测量噪声。

检测= ObjectDetection（0，[ -  200; -30; 5]，'MeasurementNoise'，2.0 *眼睛（3），......'sensorindex'，1，'objectclassid'，1，'ObjectAttributes'，{'车'，2}）;

从检测报告创建新筛选器并显示过滤器属性。

筛选= initcaukf（检测）
filter = trackingukf具有属性：状态：[9x1 double] stateCovariance：[9x9 Double] stateTransitiveFCN：@Constacc ProcessNoise：[3x3 Double] HasadditiveProcessNoise：0 MeasurementFCN：@Cameas MeasurementNoise：[3x3 Double] HasadDitiveMeasurementNoise：1 Alpha：1.0000E-03BETA：2 kappa：0启用现象：0

显示国家。

filter.state.
ans =.9×1-200 0 0 -30 0 0 5 0 0

显示状态协方差矩阵。

filter.statecovariance.
ans =.9×9.2.0000 0 0 0 0 0 0 0 0 0 100.0000 0 0 0 0 0 0 0 0 0 100.0000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 100.0000 0 0 0 0 0 0 0 0 0 0100.0000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 100.0000 0 0 0 0 0 0 0 0 0 0 100.0000
打开直播脚本

从由球形坐标中的测量中的初始检测报告初始化3D常量加速度undedEted Kalman滤波器。如果要使用球形坐标，那么您必须提供测量参数结构作为检测报告的一部分框架字段设置为'球形'。设置目标的方位角 4. 5. ∘ ，到1000米的范围。

框架='球形';SensorPos = [25，-40，-10]。';SensorVel = [0; 5; 0];laxes =眼睛（3）;

创建测量结构。放'hasvelocity'和'haselevation'至错误的。然后，测量向量由方位角和范围组成。

measparms = struct（'框架'，框架，'originposition'，sensorpos，......'OriginVelocity'，sensorvel，'方向'，宽松，'hasvelocity'，错误的，......'haselevation'，错误的）;meas = [45; 1000];measnoise = diag（[3.0,2.0]。^ 2）;检测= ObjectDetection（0，MEA，'MeasurementNoise'那......麻疹，'测量参数'，measparms）
检测=具有属性的ObjectDetection：时间：0测量：[2x1双]测量管理：[2x2 double] sensorIndex：1 objectclassid：0测量参数：[1x1 struct] ObjectAttributes：{}
过滤器= initcaukf（检测）;

显示状态向量。

disp（filter.state）
732.1068 0 0 667.1068 0 0 -10.0000 0 0

输入参数

全部收缩

检测报告，指定为一个ObjectDetection.目的。

例子：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

全部收缩

Unscented Kalman滤波器，返回AStrackingukf.目的。

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.目的。

扩展能力

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

也可以看看

职能

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