configureKalmanFilter
创建对象跟踪卡尔曼滤波器
描述
返回一个kalmanFilter
= configureKalmanFilter (MotionModel
,InitialLocation
,InitialEstimateError
,MotionNoise
,MeasurementNoise
)vision.KalmanFilter
对象配置跟踪一个物理对象。这个对象与恒定速度或加速度恒定在一个移动米维笛卡尔空间。这个函数确定尺寸的数量,米的长度InitialLocation
向量。
该函数提供了一个简单的方法来配置vision.KalmanFilter
对象跟踪一个物理对象在笛卡儿坐标系统。跟踪对象可能以恒定速度或加速度恒定。统计数据是相同的所有维度。如果您需要配置一个卡尔曼滤波器有不同的假设,使用vision.KalmanFilter
直接对象。
例子
输入参数
输出参数
算法
这个函数提供了一个简单的方法来配置。KalmanFilter对象跟踪。卡尔曼滤波器实现了离散时间线性状态空间系统。的configureKalmanFilter
函数设置vision.KalmanFilter
对象属性。
的InitialLocation 属性对应的测量向量用于状态空间模型的卡尔曼滤波器。这个表相关的测量向量,米卡尔曼滤波器的状态空间模型。 |
||
状态转换模型,一个,和测量模型,H | ||
状态转换模型,一个和测量模型,H的状态空间模型,将制成的块对角矩阵米相同的子矩阵一个年代和H年代,分别为: 一个= H= |
||
余子式的一个年代和H如下所述: | ||
MotionModel | 一个年代 | H年代 |
“ConstantVelocity” |
[1 1;0 1] | [1 0] |
“ConstantAcceleration” |
[1 1 0.5;0 1 1;0 0 1] | (1 0 0) |
初始状态,x: | ||
MotionModel | 初始状态,x | |
“ConstantVelocity” |
(InitialLocation (1)0…InitialLocation (米),0] |
|
“ConstantAcceleration” |
(InitialLocation (1),0,0…InitialLocation (米),0,0) |
|
初始状态估计误差协方差矩阵,P: | ||
P=诊断接头 (repmat (InitialError ,(1,米))) |
||
过程噪声协方差,问: | ||
问=诊断接头 (repmat (MotionNoise ,(1,米))) |
||
测量噪声协方差,R: | ||
R=诊断接头 (repmat (MeasurementNoise ,(1,米)))。 |
版本历史
介绍了R2012b
另请参阅
vision.BlobAnalysis
|vision.ForegroundDetector
|vision.KalmanFilter
主题
- 使用卡尔曼滤波跟踪对象
- 优化多目标跟踪器(传感器融合和跟踪工具箱)
- 自动优化多目标跟踪器的跟踪滤波器(传感器融合和跟踪工具箱)
- 多个对象跟踪