主要内容

initctukf

根据检测报告创建恒定的无迹卡尔曼滤波器

折叠所有页面

语法

过滤器= initctukf(检测)

描述

例子

过滤器= initctukf (检测）创建并初始化一个恒定的无气味卡尔曼过滤器从包含在检测报告。有关无气味卡尔曼滤波器的更多信息，请参见trackingUKF．

函数使用与的相同约定初始化一个恒定的转换率状态constturn和ctmeas, (x；vx；y；vy；ω；z；vz),ω周转周期。

例子

全部折叠

打开生活的脚本

从初始检测报告中创建并初始化一个二维恒定的无迹卡尔曼滤波对象。

创建对象位置的初始2D测量(-250，-40)的检测报告。假设测量噪声不相关。

通过添加零的z分量，将测量扩展到三维。

检测= objectDetection (0 (-250; -40; 0)“MeasurementNoise”, 2.0 *眼(3),.．.“SensorIndex”, 1“ObjectClassID”, 1“ObjectAttributes”，{“汽车”2});

从检测报告中创建新的筛选器，并显示筛选器属性。

过滤器= initctukf(检测)
filter = trackingUKF with properties: State: [7x1 double] StateCovariance: [7x7 double] stattransitionfcn: @constturn ProcessNoise: [4x4 double] HasAdditiveProcessNoise: 0 MeasurementFcn: @ctmeas MeasurementNoise: [3x3 double] HasAdditiveMeasurementNoise: 1 Alpha: 1.0000e-03 Beta: 2 Kappa: 0 EnableSmoothing: 0

显示过滤状态。

过滤器。状态
ans =7×1-250 0 -40 0 0 0 0

显示状态协方差矩阵。

过滤器。状态Covariance
ans =7×72.000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000
打开生活的脚本

从球坐标下的初始测量得到的初始检测报告初始化一个二维恒定周转率扩展卡尔曼滤波器。如果要使用球坐标，则必须提供一个测量参数结构作为检测报告的一部分框架字段设置为“球”．设定目标的方位角为45度，射程为1000米。

帧=“球”；sensorpos =[25、-40、-10]。';sensorvel =(0; 5。0);宽松=眼(3);

创建测量参数结构。集“HasVelocity”和“HasElevation”来假．然后，测量包括方位角和距离。

measparms =结构(“帧”框架,“OriginPosition”sensorpos,.．.“OriginVelocity”sensorvel,“定位”宽松的,“HasVelocity”假的,.．.“HasElevation”、假);量= (45,1000);measnoise =诊断接头(3.0[2]。^ 2);检测= objectDetection(0,量,“MeasurementNoise”，.．.measnoise,“MeasurementParameters”measparms)
检测= objectDetection with properties:时间:0测量:[2x1 double]测量噪声:[2x2 double] SensorIndex: 1 ObjectClassID: 0测量参数:[1x1 struct] ObjectAttributes: {}
过滤器= initctukf(检测);

过滤状态向量。

disp (filter.State)
732.1068 0 667.1068 00 -10.0000 0

输入参数

全部折叠

检测报告，指定为objectDetection对象。

例子:检测= objectDetection(0，[1;4.5;3]，'测量噪声'，[1.0 0 0;2.0 0 0;0 0 1.5])

输出参数

全部折叠

Unscented卡尔曼滤波器，返回为trackingUKF对象。

算法

  • 该函数假设时间步长为1秒，计算过程噪声矩阵。函数假定加速度标准差为1m /s2，匝速加速度标准差为1°/s2．

  • 可以使用此函数作为FilterInitializationFcn财产的trackerGNN或trackerTOMHT对象。

扩展功能

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

介绍了R2018b

传感器融合和跟踪工具箱文档

金宝app

自主系统的传感器融合与跟踪

自主系统的传感器融合与跟踪

下载白皮书