简介

合成雷达和视觉数据帮助我们评估目标跟踪算法。的跟踪能力trackerGNN而且trackerJPDA在仿真金宝app软件。

模型的建立和概述

本例的设置与在Simulink中使用合成雷达和视觉数据的传感器融合金宝app(自动驾驶工具箱)实例，除了模拟检测作为输入连接到追踪器块。

追踪器

的追踪器block是一个变体子系统，您可以使用它在GNN跟踪器和JPDA跟踪器之间切换。

跟踪器块的第一个变体，trackerGNN，通过将filter初始化函数设置为默认值，假设一个匀速运动模型和扩展卡尔曼滤波器initcvekf．

使用GNN跟踪器，您可以选择适合模拟对象运动的自定义过滤器。您可以在MatchPairs, Munkres, Jonker-Volgenant, Auction和您自己的自定义分配算法中选择分配算法。也可以指定轨道维护逻辑为历史或分数．

跟踪器块的第二个变体，trackerJPDA，也采用了等速运动模型，并采用默认滤波器初始化函数进行了扩展卡尔曼滤波器initcvekf．

与trackerJPDA，您可以自定义自己的过滤器初始化函数和选择之间历史和集成跟踪逻辑。

您可以通过设置条件变量的值来选择您喜欢的子系统跟踪器在基本工作区中。下表显示了跟踪器对应于其配置的值。

你也可以使用使用模型资源管理器编辑和管理工作区变量(金宝app模型)改变…的值跟踪器．

跟踪指标

跟踪指标是使用MATLAB系统(金宝app模型)块。该块的代码由helper类HelperTrackMetrics定义。

结果

要将结果可视化，请使用鸟瞰镜。Bird's-Eye Scope是通过Simulink模型工具栏上提供的菜单实现的模型级可视化工具。金宝app打开作用域后，单击找到信号设置信号。然后运行模拟以显示参与者、视觉和雷达探测、轨道和道路边界。下图显示了本例的鸟瞰范围。

在Si金宝appmulink中，您可以通过解释执行或代码生成来运行这个示例。通过解释执行，该模型使用MATLAB®执行引擎模拟块，允许更快的启动时间，但更长的执行时间。通过代码生成，该模型使用支持代码生成的MATLAB代码子集来模拟块，这允许比解释执行更好的性能。金宝app

运行模型后，您可以在下面的图中看到结果。

上图显示了使用合成雷达和视觉数据的跟踪结果trackerGNN．您可以看到跟踪器在整个跟踪区域保持跟踪。

上图显示了使用合成雷达和视觉数据的跟踪结果trackerJPDA．可以看到跟踪器在整个跟踪区域都保持了轨迹，跟踪性能优于trackerGNN因为产生的错误轨迹较少。

评估跟踪性能

您可以使用跟踪指标块，以评估每个跟踪器的跟踪性能使用量化指标。在本例中，您可以查看目标音轨数、冗余音轨数和错误音轨数。目标轨道是与唯一目标相关联的轨道。冗余轨道是与已关联到另一个轨道的地面真相对象相关联的轨道。虚假轨道是指不与任何地面真相对象相关联的轨道。下图第一幅为GNN跟踪器的跟踪性能结果，第二幅为JPDA跟踪器的跟踪性能结果。

分配指标说明了一个冗余轨道被初始化和确认trackerGNN而trackerJPDA不创建任何冗余轨道。由于不完全聚类，属于同一目标的检测被聚成多个簇，产生了冗余航迹。此外,trackerGNN创建并确认了三条假音轨trackerJPDA只确认了一个错误的轨迹。这些指标表明trackerJPDA提供更好的跟踪性能trackerGNN．

总结

此示例演示如何生成一个场景，模拟传感器检测，并使用这些检测来跟踪自我车辆周围的移动车辆trackerGNN而且trackerJPDA在Simulink中金宝app。您还看到了在两个跟踪器之间交换的简单性，定制这些跟踪器以满足您自己的目标跟踪需求的灵活性，以及使用跟踪指标评估跟踪结果的能力。