initcvmscekf
恒定速度跟踪MSCEKF
描述性
实例
初始化a跟踪MSCEKF对象使用光滑检测
创建单角检测
检测=对象检测0,[30;20]'MeasurementParameters',.struct(sruct)Frame语言,球形,哈斯兰false))
使用initcvmscekf创建跟踪MSCEKF过滤器初始化使用单角检测
过滤器= initcvmscekf
filter = trackingMSCEKF with properties: State: [6x1 double] StateCovariance: [6x6 double] StateTransitionFcn: @constvelmsc StateTransitionJacobianFcn: @constvelmscjac ProcessNoise: [3x3 double] HasAdditiveProcessNoise: 0 ObserverInput: [3x1 double] MeasurementFcn: @cvmeasmsc MeasurementJacobianFcn: @cvmeasmscjac HasMeasurementWrapping: 1 MeasurementNoise: [2x2 double] HasAdditiveMeasurementNoise: 1
初始化跟踪MSCEKF从旋转传感器探测对象
创建测量参数供后续旋转
masParam传感器ToPlatFrame语言,球形,哈斯兰虚构.方向化rotmat(四舍五入[030]rotved)框架)
masParam传感器ToPlat构造字段 :框架 : 球形HasRange:0方向 : [3x3双
masParamPlatSscripeFrame语言,矩形,哈斯兰虚构.方向化rotmat(对接([3000] ),rotved)框架)
asParamPlat-Scrie构造字段 :框架 : 矩形HasRange:0方向 : [3x3双
measParam = [measParamSensorToPlat;measParamPlatToScenario]!检测=对象检测0,[30;20]'MeasurementParameters'masParam);
初始化过滤器
过滤器= initcvmscekf
检查过滤器测量和检测相同
cvmeasmsc(filter.State,measParam)
ss=2xl3020
轨迹常速目标使用跟踪器GNN
假设目标以恒定速度移动 观察者以恒定加速移动定义目标初始状态使用恒定速度模型
tgtstate=[2000;3;500;5;0;0];
定义观察者初始状态使用恒定加速模型
观察国=[0;2;0;490;10;0.2;0;0;0
创建跟踪器GNN对象使用initcvmscekf带点前差和差差差相容性信息
范围=1000范围StdDev=1e3范围估计=[范围StdDev]跟踪器=跟踪器GNN'FilterInitializationFcn',@(det)initcvmscekf(det,rangeEstimate));
使用测量模型模拟合成数据获取阿兹并el市信息使用smeas语言函数.
合成Params = structFrame语言,球形,哈斯兰虚构.'OriginPosition',observerState(1:3:end))!mas =cvmeas
创建单角对象检测模拟合成检测
检测=对象检测'MeasurementParameters',.struct(sruct)Frame语言,球形,哈斯兰false)'MeasurementNoise'0.033*Eye(2)
创建轨迹绘图器和平台绘图器可视化假想
tp=戏剧PlotXimits.......Yimits大赛,[0 1000])!目标Plotter=平台PlotterDisplayName,目标,'MarkerFaceColor',k)!观察者Plotter=平台PlotterDisplayName,旁观者,'MarkerFaceColor','r')!trkPlotter = trackPlotterDisplayName,轨迹,'MarkerFaceColor',g,历史剖面5万元tgttrajPlotter=轨迹定位器DisplayName,目标轨迹,色调,k)!obstrajPlotter=轨迹绘图器DisplayName,观察轨迹,色调,'r');
运行跟踪器
时间=0DT=0.1tgtposes =opsoses=[时段时间 < 50[conttracts,tenttracs,alltracs]=跟踪器(检测时间);Fori = 1:Numel(全跟踪器)setTrackFilterProperties旁观者输入,observerState(3:3:end));结束更新合成检测观察国=constacctgtstate=custvelsyntheticParams.OriginPosition = observerState(1:3:end)!detection.Measurement = cvmeas(tgtState,syntheticParams)!时间+dT检测时间=时间百分比更新图tgposes = [tgposes;tgtstatekobsPoses = [obsPoses;observerState(1:3:end)'];ktargetPlotter.plotPlatform(tgtState(1:2:end)')!observerPlotter.plotPlatform(observerState(1:3:end)')!tgtTrajPlotter.plotTrajectory({tgtPoses})!obsTrajPlotter.plotTrajectory({obsPoses});%绘制首轨,因为没有假报警器,这应该是百分数目标从MSC轨迹状态获取位置state=cvmeassc矩形+观察国trkPlotter.plotTrack(cartState');结束
输入参数
输出参数
算法
函数配置滤波过程噪声假设单元目标加速标准偏差
函数配置康斯坦斯框架状态共变法,使用笛卡尔框架共变法线性变换法
函数初始化
观察输入排成一行跟踪MSCEKF类零观察者加速所有方向您必须使用setTrackFilterProperties函数跟踪器更新观察输入.
扩展能力
版本历史
R2018b介绍
