文档帮助中心文档
创建恒定速度跟踪容积卡尔曼滤波器的检测报告
位置= initcvckf(检测)
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。
位置= initcvckf (检测)
位置
检测
objectDetection
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]。
constvel
cvmeas
全部折叠
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。
trackingCKF
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]。
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”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。
initcvckf
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
detection.Measurement
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
detection.MeasurementNoise
ans =3×31.0000 0.2000 - 2.0000 1.0000 - 0.2000 0 0 0 0
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)。
= 30,e1 = 5, r = 100, rr = 4
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。
MeasurementParameters
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: {}
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
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])
检测= objectDetection (0 (1; 4.5; 3)“MeasurementNoise”, (1.0 0 0;2.0 0 0;0 0 1.5])
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。
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。
FilterInitializationFcn
trackerTOMHT
trackerGNN
initctckf
initcvkf
initcakf
initcvekf
initcaekf
initctekf
initcaukf
initcvukf
initctukf
initcackf
cvmeasjac
trackingKF
trackingEKF
trackingUKF
你有一个修改版的这个例子。你想打开这个例子与编辑?
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝app
选择一个网站翻译内容,看到当地事件和提供。根据你的位置,我们建议您选择:。
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。
联系你当地的办公室