TOMHT追踪,我怎么改变状态向量和添加更多的过滤器?

7视图(30天)

显示旧的评论

Joost 2021年9月15日

0
链接

这个问题直接联系

//www.tatmou.com/matlabcentral/answers/1453594-in-the-tomht-tracker-how-do-i-change-the-state-vector-and-add-more-filters

评论道: Prashant Arora 2021年9月21日

答:接受兰德Kivelevitch

我们正在与TOMHT追踪,我注意到状态向量(x, y, vx, v)。这似乎很限制,但是我不知道如何修改。有什么文档,或者有人能解释一下吗?例如,我想添加ax和ay状态向量,实现一个额外过滤常数accelaration预言。此外,有更多的详细描述TOMHT追踪吗?

非常感谢你,

Joost

接受的答案

兰德Kivelevitch 2021年9月15日

1
链接

直接链接到这个答案

//www.tatmou.com/matlabcentral/answers/1453594-in-the-tomht-tracker-how-do-i-change-the-state-vector-and-add-more-filters answer_788084

默认状态取决于FilterInitializationFcn财产,这是initcvekf。initcvekf初始化一个恒定的速度(CV)扩展卡尔曼滤波器(EKF)。你可以选择从各种其他init函数通过使用tab补齐在MATLAB窗口:

                              trackerTOMHT (“FilterInitializationFcn”,@init <选项卡% <标签意味着按下TAB键
                             

这将给你一个广泛的初始化函数。其中之一,initcaekf,初始化过滤器根据恒定加速度(CA)扩展卡尔曼滤波器(EKF)。

请使用每个函数的文档了解如何定义状态向量和运动和测量模型。

此外,您可以创建自己的initalization功能,和每个人都可以定义过滤器使用和使用哪个运动和测量模型。请不要觉得限制使用内置的运动和测量模型或附带产品的初始化函数。

7评论
显示隐藏 6年长的评论

兰德Kivelevitch 2021年9月16日

嗨Joost,

TOMHT当然可以使用返回的trackingIMM initekfimm函数。

initekfimm使用三个扩展卡尔曼滤波器,每一个都有不同的运动模型:恒定速度,加速度恒定,常数。我们处理切换状态定义使用switchimm函数,您可以看到返回的过滤器initekfimm。在内部,每个过滤器mainains自己的目标状态估计正态分布(EKF)一样,每个filte单独预测和纠正。滤波器估计混合,结合文献中描述的多个模型进行交互,最终你会得到一个估计的IMM滤波器相结合。您可以使用TransitionProbabilities控制控制过渡的马尔可夫过程从一个模式到另一个地方。IMM滤波器的输出,这反映在跟踪输出(轨道)是结合状态和状态协方差和它使用的状态定义第一个过滤器,这是简历在initekfimm。如果你想使用加速度恒定状态定义为状态输出,我建议你在编辑器中打开文件initekfimm,将其内容复制到另一个文件,只需切换过滤器的顺序,第一个过滤器是一个初始化initcaekf和替换过去CA与initcvekf返回的一个过滤器。一切应该基于这个工作。

非常抽象的方式,一个跟踪器包含三个元素:协会新检测跟踪,跟踪管理(初始化、确认、删除)和过滤。TOMHT, GNN JPDA追踪者提供不同的方式来处理协会的新检测跟踪维护的追踪。过滤器的过滤完成你选择与你的过滤器的初始化函数。所以,这两个是相辅相成的。TOMHT,类似于GNN JPDA追踪器,适用于所有这些过滤器因为所有的过滤器遵守相同的抽象跟踪滤波器接口。因此,跟踪调用等常用方法预测,正确的,可能性等使用过滤器不知道如何实现他们的每一个算法。我们这样设计让你灵活地选择过滤器、运动模型,甚至追踪器和执行“假设”分析。你可以看到一些灵活的例子: //www.tatmou.com/help/fusion/ug/tracking-closely-spaced-targets-under-ambiguity.html

从你的问题目前尚不清楚你还想知道每个潜在过滤器的具体状态下的IMM保持追踪。这是可能的,尽管需要一些代码如下你所看到的。

                                   %你创建一个带有initekfimm TOMHT跟踪器对象
                                  
                                   追踪= trackerTOMHT (“FilterInitializationFcn”,@initekfimm);
                                  
                                   %你的数据,至少运行一次myDetections和更新
                                  
                                   %追踪。使用三个输出所有的跟踪:allTracks。
                                  
                                   [confirmedTracks, tentativeTracks allTracks] =追踪(myDetections、时间);
                                  
                                   在allTracks %在循环中,循环
                                  
                                   为trackIndex = 1:元素个数(allTracks)
                                  
                                   %得到trackID getTrackFilterProperties使用方法
                                  
                                   trackID = allTracks (trackIndex) .TrackID;
                                  
                                   %的IMM滤波器,得到TrackingFilters属性,其中包含
                                  
                                   %的所有过滤器。方法返回一个细胞的结果。
                                  
                                   trackID filtersCell = getTrackFilterProperties(追踪,“TrackingFilters”);
                                  
                                   %计算单元中的第一个元素是TrackingFilters属性。请
                                  
                                   %小心那些,因为他们是处理对象。任何
                                  
                                   变化百分比你让他们将影响滤波器的状态。
                                  
                                   过滤器= filtersCell {1};
                                  
                                   %可以ispect内部每个过滤器的状态。
                                  
                                   为filterIndex = 1:元素个数(过滤器)
                                  
                                   disp (”TrackID:“+ trackID +“过滤器”#+ filterIndex +“国家是:“);
                                  
                                   {filterIndex} .State disp(过滤器);
                                  
                                   结束
                                  
                                   结束

Prashant Arora 2021年9月17日

嗨Joost,

简短的回答是否定的,它不是真的。跟踪器将为协会预测跟踪检测时间。

细节:

关联检测跟踪,跟踪计算关联的可能性之间的“成本矩阵”或“可能性矩阵”传入的检测和现有的跟踪。

协会将可能性计算每一对之间的检测和跟踪。为此,跟踪将首先预测跟踪检测时间,然后计算关联的可能性。跟踪是足够聪明不影响任何的状态跟踪由于这种预测。一次,一个关联矩阵是计算所有可能的联系,跟踪器将决定每个协会假说/事件的概率根据杂波密度等参数,检测概率等。一旦追踪知道哪个检测”应该是“分配给一个轨道,这将最终预测/正确使用相关的检测。

回答你的问题关于一艘船在t = 0(0, 0)和新的检测在t = 1。假设在t = 0开始跟踪检测。在这个初始化,我们创建一个新的跟踪和状态估计量使用FilterInitializationFcn定义。FilterInitailizationFcn指定的初始状态跟踪以及初始状态协方差作为检测的函数通过使用“传感器逆模型”。所有的预构建FilterInitializationFcn将初始化一个跟踪速度为0,如果检测不包含任何速度信息。为这个猜容纳0速度,我们指定一个默认的速度估计方差大量由预构建FilterInitializationFcn(任意选为100)。因为初始跟踪状态0速度,预测在时间t = 1,不会移动的“的意思是”状态,但会产生位置的不确定性增加由于指定状态协方差。

如果你有之前的信息“预期”你的船的速度,您可以修改这个最初想通过修改任何FilterInitalizationFcn和创建自己的函数。一个例子来容纳这“简单的船示例”:

                                   函数过滤器= myCustomInitFcn(检测)
                                  
                                   过滤器= initcvekf(检测);%的默认
                                  
                                   filter.State (2) = 40;%我知道预期的速度我在X方向的船
                                  
                                   filter.State (2, 2) = 10;%我知道方差在我预期的速度
                                  
                                   结束

任何级别的定制可以做在一个FilterInitializationFcn取决于您的特定应用程序。然后,您可以使用此函数trackerGNN, trackerJPDA或trackerTOMHT FilterInitializationFcn。

跟踪器。FilterInitializationFcn =“myCustomInitFcn”;

希望这个有帮助。

Prashant

Joost 2021年9月20日

编辑:Joost 2021年9月20日

谢谢你Prashant,

这definitily帮了很大的忙。我有一些问题关于这个预测TOMHT追踪:(“为此,跟踪将首先预测跟踪检测时间,然后计算协会的可能性。”)。

它使用这个预测步骤11中相同的滤波器算法的逻辑流?这是预测也纠正了过滤器吗?我假设,这是用来分分支的结果吗?
这是预测完成从国家和协方差矩阵产生的这个分支的先前的预测吗?(还是完成了从国家和协方差矩阵的追踪吗?)
在第11步,如何结合每个分支的最终得分提升到一个新的国家和协方差矩阵的追踪?我认为,之前的预测和修正状态的每个分支用于分支得分,进一步预测输入时间,这些预测的加权平均。但是如果你使用一个IMM滤波器,这似乎是困难的,因为你现在预测的测量,所以没有办法重量不同的IMM所使用的过滤器。

亲切的问候,

Joost

Prashant Arora 2021年9月21日

嗨Joost,

一般来说,数据协会TOMHT在分行层面进行。每个分支有其自身的过滤器(相同的滤波器类型和初始状态按照FilterInitializationFcn)。

主要有两种类型的“预测”。第一个是计算协会可能性与每一个检测,可以进了一步。这个预测不了校正滤波器是带回到原来的状态。第二种类型的预测是必须更新时分支与特定检测。在这种情况下,我们执行一个预测+校正是的,其结果是用于更新分公司得分。为每个预测、修正或可能性,距离计算,我们使用相同的滤波器由FilterInitializationFcn初始化。跟踪器过滤器调用这些方法。例如,如果您的FilterInitializationFcn输出是一个IMM滤波器,每个分支都是估计使用IMM滤波器。
是的,每个分支维护自己的过滤和估计,用于预测。
这是正确的。每一个分支预测输入时间和“输出”的轨道是加权平均数(高斯混合还原)估计个体的分支。如果每个部门使用IMM滤波器,每个barnch模型运动的概率模型也将“预测”输入时间。标准IMM滤波器模型概率更新分为两部分——预测和校正。这是参考文献[1]中提供IMM滤波器。在预言中,我们预测使用之前提供的信息通过“转移概率”。这本质上捕捉到了“dT”概率的影响没有测量。如果测量确实可用,我们可以简单地“正确”这些预测概率使用测量的可能性。

交互多模型(IMM)过滤器对象跟踪- MATLAB (mathworks.com)

希望这个有帮助。所有的算法都使用MATLAB实现代码。你应该能够验证我说的大部分通过打开相应的文件。

谢谢,

Prashant

登录置评。

类别

机器人和自治系统传感器融合和跟踪工具多目标跟踪器

雷达传感器融合和跟踪工具多目标跟踪器

找到更多的在多目标跟踪器在帮助中心和文件交换

下载188bet金宝搏

传感器融合和跟踪工具

释放

R2021a

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!

TOMHT追踪,我怎么改变状态向量和添加更多的过滤器?

0评论
显示隐藏1以上的评论

接受的答案

7评论
显示隐藏 6年长的评论

更多的答案(0)

另请参阅

类别

标签

下载188bet金宝搏

释放

社区寻宝

TOMHT追踪,我怎么改变状态向量和添加更多的过滤器?

0评论 显示隐藏1以上的评论

接受的答案

7评论 显示隐藏 6年长的评论

更多的答案(0)

另请参阅

类别

标签

下载188bet金宝搏

释放

社区寻宝

0评论
显示隐藏1以上的评论

7评论
显示隐藏 6年长的评论