传感器融合与跟踪工具箱
设计和模拟多传感器跟踪和定位系统
传感器融合与跟踪工具箱™包括用于系统设计、仿真和分析的算法和工具,这些系统融合了来自多个传感器的数据,以保持位置、方向和态势感知。参考示例为实现机载、陆基、船载和水下监视、导航和自主系统的组件提供了一个起点。
所述工具箱包括多对象跟踪器,传感器融合过滤器,运动和传感器模型,数据关联算法,让您评估融合架构使用真实和合成数据。通过传感器融合和跟踪工具箱,您可以导入和定义场景和轨迹、流信号,并为有源和无源传感器生成合成数据,包括RF、声学、EO/IR和GPS/IMU传感器。您还可以使用标准基准、指标和动画情节来评估系统的准确性和性能。
对于模拟加速或桌面原型,工具箱支持C代码生成。金宝app
入门:
生成对象体式
定义和转换的真实位置,速度,和对象的取向中不同的参考帧。
创建跟踪场景
模型平台,如飞机、地面车辆或船只。平台可以携带传感器并提供信号来源或反射信号。平台可以是静止的或运动的,携带传感器和发射器,并包含反映信号的与方面相关的签名。
旋转,方向和四元数
使用四元数、欧拉角、旋转矩阵和旋转向量表示方向和旋转。定义相对于车身框架的传感器方向。
惯性和GPS传感器
模型IMU(惯性测量单元),GPS(全球定位系统)和INS(惯性导航系统)。收听环境参数,如温度,和模型模拟真实环境的噪声性能。
无源传感器
RWR(雷达告警接收机)、ESM(电子支援措施)、被动声纳和红外传感器,用于产生仅角度探测,用于跟踪场景金宝app。定义发射器和信道属性以对干扰进行建模。
方向估计
保险丝的加速度计和磁力计的读数,以模拟电子罗盘(电子罗盘)。保险丝加速度计,陀螺仪,并且与姿态航向基准系统(AHRS)滤波器磁力计读数。
姿态估计
使用惯性传感器和GPS估计具有和不具有非完整航向约束的姿态。在没有GPS的情况下,通过融合惯性传感器和高度计或视觉里程测量来确定姿势。
过滤器对象跟踪
使用线性、扩展和无迹卡尔曼滤波器估计对象状态,用于线性和非线性运动和测量模型。使用高斯和和粒子滤波器进行非线性、非高斯状态估计,包括仅使用距离或仅使用角度的测量进行跟踪。用互作用多模型(IMM)滤波器改进机动目标的跟踪。
运动和测量模型
在笛卡尔坐标系中配置具有恒速度、恒加速度、恒转向和自定义运动模型的跟踪过滤器,以及球面和修改过的球面坐标系。定义位置和速度、距离角、仅角度或自定义测量模型。
追踪器
整合估计滤波器,分配算法,并进入多对象跟踪轨道管理的逻辑来检测保险丝进入轨道。在具有挑战性的情况下,例如在不确定性追踪间隔接近目标使用多假设跟踪(MHT)。
轨道分配
寻找全局最近邻(GNN)分配问题的最佳或k-最佳金宝搏官方网站解决方案。解决S-D分配问题。将探测分配给轨道,或者将轨道分配给轨道。确认和删除轨道根据最近的轨道历史或轨道得分。
跟踪检测融合
融合状态和状态协方差。静态熔丝同步检测,包括从无源传感器角度检测三角化。
场景可视化
情节的对象的方向和速度,地面实况轨迹,传感器测量,并在轨道3D。情节检测和跟踪的不确定性。与历史足迹可视化的轨道ID。
传感器和跟踪指标
生成轨道的建立,维护和删除度量包括轨道长度,轨道符和轨道ID互换。与位置,速度,加速度和偏航速率均方根误差(RMSE),以归一化的平均估计误差沿估计精度轨道的平方(ANEES)。使用Allan方差分析惯性传感器的噪声。
场景生成
交互设计在应用跟踪场景
蒙特卡罗模拟
设计和运行蒙特卡罗模拟跟踪应用
传感器覆盖图
可视化传感器的梁和覆盖区域的跟踪情况
跟踪性能指标
根据基于全局最优子模式分配(GOSPA)度量的ground truth评估跟踪性能
金宝appSimulink模块
使用Simulink模块模拟TOMHT跟踪器、IMU传感器和AHRS惯性融合金宝app
惯性过滤器
访问残差和insfilters和ahrs10filter的剩余协方差
看到发布说明对任何这些特征和对应的功能的详细说明。
传感器融合与跟踪自治系统:概述
学习自我和情境感知能力如何用于自主系统中的感知和感知。