objectDetection

初始化恒定的速度trackingKF与矩形检测

初始化一个trackingKF对象以一个恒定的速度模型,您可以使用initcvkf函数。

创建一个二维对象检测和初始化一个trackingKF使用检测对象。

检测= objectDetection (0, 2 [1]);过滤器= initcvkf(检测);filter.State”

ans =1×41 0 2 0

从结果,initcvkf函数识别系统的维数和初始化一个二维滤波器的状态是(x vx y v),设置速度vx和v来0。

你也可以初始化一个3 dtrackingKF通过使用3 d对象检测对象。

检测= objectDetection (0, (1 2 3));过滤器= initcvkf(检测);filter.State”

ans =1×61 0 2 0 3 0

从结果,initcvkf函数初始化一个三维滤波器的状态是(x vx y v z vz]。

初始化恒定的速度trackingEKF与矩形检测

初始化一个trackingEKF对象以一个恒定的速度模型,您可以使用initcvekf函数。的initcvekf函数需要三维检测,总是初始化一个3 dtrackingEKF对象。

创建一个3 d对象检测和初始化trackingEKF与检测对象。

检测= objectDetection (0, (1 2 3));过滤器= initcvekf(检测);filter.State”% [x vx y v z vz]

ans =1×61 0 2 0 3 0

从结果,函数假设零速度时不明。您还可以包括速度信息的测量检测。让使用测量参数initcvekf通过设置函数识别速度状态HasVelocity字段作为真正的。

议员= =结构(框架“矩形”,…OriginPosition = 0 (1、3)…OriginVelocity = 0 (1、3)…眼睛定位= (3),…HasVelocity = true,…IsParentToChild = true);检测= objectDetection (0, 1 2 3 0.1 0.2 0.3,…MeasurementParameters = mp);过滤器= initcvekf(检测);filter.State”% [x vx y v z vz]

ans =1×61.0000 0.1000 2.0000 0.2000 3.0000 0.3000

从结果,成功初始化速度的函数。

初始化恒定的速度trackingEKF与球面检测

你也可以初始化一个trackingEKF球面检测对象。首先,创建一个球面检测45度的方位,海拔60度,和一个2米的范围。指定其测量参数来描述测量的格式。

议员= =结构(框架“球”,…OriginPosition = 0 (1、3)…OriginVelocity = 0 (1、3)…眼睛定位= (3),…HasAzimuth = true,…HasElevation = true,…HasRange = true,…HasVelocity = false,…IsParentToChild = true);检测= objectDetection (0 [45 60 2]…MeasurementParameters = mp);过滤器= initcvekf(检测);filter.State”% [x vx y v z vz]

ans =1×61.7321 0.7071 0.7071 0 0 0

从过滤结果,按预期状态和位置坐标是( $\frac{\sqrt{2}}{2}$ $\frac{\sqrt{2}}{2}$ $\sqrt{3}$]。

您还可以使数据与测量通过设置HasVelocity场的测量参数真正的。之后,将数据设为0.2 m / s的检测。

议员= =结构(框架“球”,…OriginPosition = 0 (1、3)…OriginVelocity = 0 (1、3)…眼睛定位= (3),…HasAzimuth = true,…HasElevation = true,…HasRange = true,…HasVelocity = true,…IsParentToChild = true);检测= objectDetection (0, (45 60 2 0.2),…MeasurementParameters = mp);过滤器= initcvekf(检测);filter.State”% [x vx y v z vz]

ans =1×60.7071 0.0707 0.7071 0.0707 1.7321 0.1732

从结果,该函数初始化过滤器与预期的速度。