主要内容

initcvckf

创建恒定速度跟踪容积卡尔曼滤波器的检测报告

所有的页面崩溃

语法

位置= initcvckf(检测)

描述

例子

位置= initcvckf (检测)初始化一个恒定的速度容积卡尔曼滤波根据提供的信息在一个对象的跟踪objectDetection对象,检测。

该函数初始化一个恒定速度状态相同的约定constvel和cvmeas,(x;vx;y;vy;z;vz]。

例子

全部折叠

打开生活的脚本

创建一个恒定速度容积卡尔曼滤波跟踪对象,trackingCKF,从最初的检测报告。检测报告是由最初的3 d位置测量卡尔曼滤波器的状态在直角坐标系中。您可以获得使用常数的三维位置测量速度测量功能,cvmeas。

下面的例子使用了坐标,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]。

检测= objectDetection (0 (1; 3。0)“MeasurementNoise”0.2 (1 0;0.2 - 2 0;0 0 1);

使用initcvckf创建一个trackingCKF过滤器提供位置和初始化使用上面定义的测量噪声。

位置= initcvckf(检测)
位置= trackingCKF属性:状态:x1双[6]StateCovariance: [6 x6双]StateTransitionFcn: @constvel ProcessNoise: [3 x3双]HasAdditiveProcessNoise: 0 MeasurementFcn: @cvmeas MeasurementNoise: [3 x3双]HasAdditiveMeasurementNoise: 1 EnableSmoothing: 0

检查状态的值和测量噪声。验证滤波器的状态,ckf.State,有相同的位置分量检测测量,detection.Measurement。

ckf.State
ans =6×11 0 3 0 0 0

确认过滤测量噪声,ckf.MeasurementNoise,是一样的detection.MeasurementNoise值。

ckf.MeasurementNoise
ans =3×31.0000 0.2000 - 2.0000 1.0000 - 0.2000 0 0 0 0
打开生活的脚本

创建一个恒定速度容积卡尔曼滤波跟踪对象,trackingCKF,从最初的检测报告。检测报告是由最初的3 d位置测量卡尔曼滤波器的状态在球坐标。您可以获得使用恒定速度的3 d位置测量测量功能,cvmeas。

下面的例子使用了坐标,= 30,e1 = 5, r = 100, rr = 4和测量噪声诊断接头([2.5,2.5,0.5,1]。^ 2)。

量= (30;5;100;4);measNoise =诊断接头([2.5,2.5,0.5,1]。^ 2);

使用MeasurementParameters财产的检测对象定义的框架。当没有定义的字段MeasurementParameters结构使用默认值。在这个例子中,传感器的位置,传感器速度、方向、高度和范围率旗帜违约。

measParams =结构(“帧”,“球”);检测= objectDetection(0,量,“MeasurementNoise”measNoise,…“MeasurementParameters”measParams)
检测与属性= objectDetection:时间:0测量:x1双[4]MeasurementNoise: [4 x4双]SensorIndex: 1 ObjectClassID: 0 MeasurementParameters: [1 x1 struct] ObjectAttributes: {}

使用initcvckf创建一个trackingCKF过滤器提供位置和初始化使用上面定义的测量噪声。

位置= initcvckf(检测)
位置= trackingCKF属性:状态:x1双[6]StateCovariance: [6 x6双]StateTransitionFcn: @constvel ProcessNoise: [3 x3双]HasAdditiveProcessNoise: 0 MeasurementFcn: @cvmeas MeasurementNoise: [4 x4双]HasAdditiveMeasurementNoise: 1 EnableSmoothing: 0

确认上面的过滤状态产生相同的测量。

meas2 = cvmeas位置。状态,measParams)
meas2 =4×130.0000 5.0000 100.0000 4.0000

输入参数

全部折叠

检测报告,指定为一个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])

输出参数

全部折叠

速度恒定容积卡尔曼滤波跟踪的对象,作为一个返回trackingCKF对象。

算法

  • 函数计算过程噪声矩阵假设单位加速度标准差。

  • 你可以使用这个函数FilterInitializationFcn的属性trackerTOMHT和trackerGNN系统对象。

扩展功能

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

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

自治系统的传感器融合和跟踪

自治系统的传感器融合和跟踪

下载白皮书