开始Sensor Fusion and Tracking Toolbox
设计,模拟和测试多传感器跟踪和定位系统
传感器融合和跟踪Toolbox™包括用于设计,模拟和测试系统的算法和工具,可融合来自多个传感器的数据,以保持情境意识和本地化。参考示例为监视和自主系统(包括机载,Spaceborne,地面,船载和水下系统)的多对象跟踪和传感器融合开发提供了一个起点。
您可以融合来自现实世界传感器的数据,包括主动和被动雷达,声纳,激光雷达,EO/IR,IMU和GPS。您还可以从虚拟传感器生成合成数据,以在不同方案下测试算法。该工具箱包括多对象跟踪器和估算过滤器,用于评估结合网格级,检测级和对象或轨道级融合的体系结构。它还提供包括OSPA和GOSPA在内的指标,以验证对地面真相场景的绩效。
对于仿真加速或快速原型制作,工具箱支持C代码生成。金宝app
教程
- 方向,位置和协调惯例
了解有关空间表示和坐标系的工具箱约定。 - 模拟雷达检测
通过雷达传感器模拟目标检测。 - 模型IMU,GPS和INS/GPS
惯性传感器和GPS的模型组合。 - 确定使用惯性传感器的方向
保险丝惯性测量单元(IMU)读数以确定方向。 - 估算过滤器简介
对工具箱中提供的估计过滤器的一般审查。 - 多个目标跟踪简介
基于任务的多个目标跟踪器简介。
工具箱约定
雷达传感器和检测
Tracking Scenario
惯性传感器融合
估计过滤器
多对象跟踪
视频
Part 1: What is Sensor Fusion?
概述什么是传感器融合以及它如何在自主系统设计中有助于。
第2部分:Fusing Mag,Accel和Gyro以估计取向
用磁强计、加速度计和陀螺estimate an object’s orientation.
第3部分:融合GPS和IMU估计姿势
使用GPS和IMU估计对象的方向和位置。
第4部分:跟踪具有IMM过滤器的单个对象
通过使用交互的多个模型过滤器估算状态来跟踪单个对象。
第5部分:如何一次跟踪多个对象?
在多对象跟踪中介绍两个常见问题:数据关联和跟踪维护。
Part 6: What is Track-Level Fusion?
引入轨道到轨道融合和跟踪体系结构。