帮助中心帮助中心
trackerGridRFS
预测动态映射到一个时间戳
自从R2021a
地图= predictMapToTime(跟踪、时间)
___= predictMapToTime (___、“WithStateAndCovariance”tf)
例子
地图= predictMapToTime (跟踪器,时间)返回的地图跟踪器将指定的时间。
地图= predictMapToTime (跟踪器,时间)
地图
跟踪器
时间
请注意
这个函数只输出预测地图和不会改变时调用的结果跟踪器。使用这三个可调属性(FreeSpaceDiscountFactor,死亡率,ProcessNoise)的跟踪器如何控制地图的预测不确定性的影响。
FreeSpaceDiscountFactor
死亡率
ProcessNoise
___= predictMapToTime (___“WithStateAndCovariance”,特遣部队)另外指定函数的状态和状态协方差预测地图。如果特遣部队被指定为假,只有证据和入住率的地图是预测。状态,状态协方差,和分类单元的静态或动态预测。指定特遣部队作为假允许你来预测环境的入住率更快。
___= predictMapToTime (___“WithStateAndCovariance”,特遣部队)
特遣部队
假
全部折叠
创建一个跟踪场景。
rng (2021);%的可重复的结果现场= trackingScenario (“UpdateRate”5,“StopTime”15);
添加一个平台。挂载激光雷达传感器的平台。
平台=平台(现场);激光雷达= monostaticLidarSensor (1,“DetectionCoordinates”,“身体”);
添加两个目标和定义他们的位置,速度,方向,尺寸和网格。
为我= = 1:2目标平台(现场);xStart = 50 * (2 * rand-1);xFinal = 50 * (2 * rand-1);yStart = 50 * (2 * rand-1);yFinal = 50 * (2 * rand-1);目标。轨迹= waypointTrajectory ([xStart yStart 0; xFinal yFinal 0],[0] 15日);目标。网= extendedObjectMesh (“球”);目标。尺寸=结构(“长度”4…“宽度”4…“高度”2,…“OriginOffset”,0 0 0);结束
定义传感器的配置。
配置= trackingSensorConfiguration (1,…“SensorLimits”(100 -180 180;0),…“SensorTransformParameters”、结构、…“IsValidTime”,真正的);
创建一个基于网格的追踪。
追踪= trackerGridRFS (“SensorConfigurations”配置,…“AssignmentThreshold”5,…“MinNumCellsPerCluster”4…“ClusteringThreshold”3);
推进情况和运行基于激光雷达数据的追踪。
而(场景)= scene.SimulationTime;时间提前%生成的点云tgtMeshes = targetMeshes(平台);[ptCloud,配置]=激光雷达(tgtMeshes、时间);%格式的数据追踪sensorData =结构(“时间”、时间、…“SensorIndex”,1…“测量”ptCloud”,…“MeasurementParameters”、结构…);%的电话追踪使用sensorData获取地图除了%,跟踪[痕迹,~,~,地图]=追踪(sensorData、时间);结束
显示最终的地图。
图显示(图)
做一些假设之前预测的地图。
%在预测假设自由空间仍然是免费的f = tracker.FreeSpaceDiscountFactor;跟踪器。FreeSpaceDiscountFactor = 1;%认为没有目标在预测期间死亡d = tracker.DeathRate;跟踪器。死亡率= 0;%假设没有在预测过程噪声q = tracker.ProcessNoise;跟踪器。ProcessNoise = 0(大小(q));
预测地图1秒,显示预测地图。
图predictedMap = predictMapToTime(追踪者,16)
predictedMap = dynamicEvidentialGridMap属性:NumStateVariables: 4 MotionModel:“常速”GridLength: 100 GridWidth: 100 GridResolution: 1 GridOriginInLocal: (-50 -50)
显示(predictedMap)
恢复跟踪程序的属性值。
跟踪器。FreeSpaceDiscountFactor = f;跟踪器。死亡率= d;跟踪器。ProcessNoise =问;
基于网格的RFS追踪,指定为一个trackerGridRFS对象。
预测时间,指定为一个积极的标量。的动态地图追踪预计。时间必须大于时间跟踪器的输入在前面跟踪更新。单位是秒。
例子:1.0
1.0
数据类型:单|双
单
双
真正的
启用状态和状态协方差预测,指定为真正的或假。指定它作为假允许你来预测环境的入住率更快。
数据类型:逻辑
逻辑
dynamicEvidentialGridMap
地图预测后,作为一个返回dynamicEvidentialGridMap对象。
介绍了R2021a
dynamicEvidentialGridMap|trackerGridRFS
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
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