%创建场景exPath = fullfile (matlabroot,“例子”,“driving_fusion”,“主要”)；addpath（exPath）[场景、egoVehicle、传感器]=帮助创建场景；%创建显示对象显示=帮助扩展目标跟踪显示；%创建动画编写器以记录图形的每一帧%动画创作。将“RecordGIF”设置为true以启用GIF写入。gifWriter = helperGIFWriter (“数字”，display.Figure，...“RecordGIF”，假）；

%函数返回给定轨迹和真相的错误。errorFcn=@（跟踪，真相）帮助扩展目标恐怖（跟踪，真相）；%函数返回轨迹和真实值之间的距离。distFcn=@（跟踪，真相）帮助扩展目标立场（跟踪，真相）；函数从ground truth返回id。默认的%标识符假定真理是用PlatformID.In标识的%在驱动场景中，真理被一个ActorID识别。truthIdFcn=@（x）[x.ActorID]；%创建度量对象。tem=跟踪误差度量(...“ErrorFunctionFormat”,“习俗”,...“EstimationErrorLabels”,{“位置错误”,“VelocityError”,“DimensionsError”,“亚沃罗”}，...“EstimationErrorFcn”，errorFcn，...“TruthiIdentifierFCN”，truthIdFcn）；tam=轨迹分配度量(...“距离函数格式”,“习俗”,...“AssignmentDistanceFcn”，distFcn，...“DivergenceDistanceFcn”，distFcn，...“TruthiIdentifierFCN”，truthIdFcn，...“AssignmentThreshold”,30,...“发散阈值”,35);%创建度量对象。tom=轨道光度计(...“距离”,“习俗”,...“距离FCN”，distFcn，...“TruthiIdentifierFCN”，truthIdFcn）；

trackerRunTimes=零（0,3）；Osparametric=零（0,3）；创建一个multiObjectTracker追踪= multiObjectTracker (...“FilterInitializationFcn”，@helperInitPointFilter，...“AssignmentThreshold”, 30,...“确认阈值”, [4 5],...“DeletionThreshold”, 3);%重置随机数生成器以获得可重复的结果seed=2018；S=rng（seed）；时间步长=1；%对于多目标跟踪器，雷达在Ego笛卡尔框架中报告，并且%不报告速度。这允许我们对来自多个站点的检测进行聚类%传感器。对于i=1:6传感器{i}.HasRangeRate=false；传感器{i}.DetectionCoordinates=“身体”;终止

而推进(场景)& & ishghandle (display.Figure)%获得场景时间时间=scenario.SimulationTime；%从自我车辆传感器收集检测结果[检测，isValidTime]=帮助检测（传感器，电子车辆，时间）；%如果有新的检测，更新跟踪器如果任何（isValidTime）%必须首先对点跟踪器的检测进行聚类detectionClusters=helperClusterRadarDetections（检测）；%更新跟踪器抽搐% confirmedTracks在方案坐标中确认跟踪=更新跟踪（跟踪程序、检测群集、时间）；t=toc；%更新指标%a。获取地面真相背景真相=场景。参与者（2：结束）；%除了自我%b.更新分配指标tam (confirmedTracks groundTruth);[trackIDs, truthIDs] = currentAssignment (tam);%c。更新错误度量tem（确认跟踪、轨道ID、地面真相、真相）；% d.更新ospa度量OsParametric（时间步，1）=tom（确认跟踪，地面真相）；%更新鸟瞰图%将轨迹转换为ego坐标以便显示confirmedTracksEgo = helperConvertToEgoCoordinates(egoVehicle, confirmedTracks);显示(egoVehicle, sensor, detectionClusters);drawnow;记录跟踪器运行时间trackerRunTimes（timeStep，1）=t；timeStep=timeStep+1；%捕捉动画帧gifWriter ();终止终止%捕获累积轨迹度量。错误度量显示平均值%模拟过程中的误差值。assignmentMetricsMOT=tam.trackMetricsTable；errorMetricsMOT=tem.cumulativeTruthMetrics；%如果需要，请写入GIFwriteAnimation（作者，“多目标跟踪”);

%设置传感器配置%传感器配置=帮助创建传感器配置（传感器、车辆）；%转换函数和过滤器初始化函数为状态和%依赖于筛选器。因此，它们不在helper函数中设置。对于i=1:numel（传感器配置）%您可以使用不同的技术为每个过滤器初始化过滤器%通过为每个配置使用不同的功能，可以使用传感器。传感器配置{i}.FilterInitializationFcn=@helperInitGGIWFilter；%轨迹在场景中的恒定转弯率状态空间中定义%坐标。恒定转动率模型的MeasurementFcn可以是%用作转换函数。sensorConfigurations{}。传感器变压器= @ctmeas;终止

partFcn=@（x）helperPartingfcn（x，3，5）；tracker=trackerPHD(“传感器配置”sensorConfigurations,...“PartitioningFcn”partFcn,...“AssignmentThreshold”,450,...%添加出生成分的检测单元（每个单元多次检测）的最小负对数似然。“提取阈值”,0.75,...%要声明轨迹的筛选器组件的权重阈值“确认阈值”,0.85,...%要声明为已确认轨迹的过滤器组件的重量阈值“MergingThreshold”, 50岁,...%合并组件的阈值“HasSensorConfigurationsInput”符合事实的...%跟踪在场景帧中执行，因此传感器配置随时间变化);

%释放并重新启动所有对象。重启（场景）；释放（tem）；释放（tam）；%追踪者不受惩罚tam.AssignmentThreshold=tam.AssignmentThreshold-2；释放（显示）；display.PlotClusteredDetection=false；gifWriter.pFrames={}；对于I = 1:numel(sensors)释放(sensors{I});如果我<= 6个传感器{I}。HasRangeRate = true;传感器{我}。DetectionCoordinates =“球形传感器”;终止终止%恢复随机种子。rng（种子）%第一时间步时间步长=1；%运行场景而推进(场景)& & ishghandle (display.Figure)%获得场景时间时间=scenario.SimulationTime；%在ego车辆坐标中获取其他车辆的姿势ta = targetPoses (egoVehicle);%从自我车辆传感器收集检测结果[detections, isValidTime, configurations] = helperDetect(sensor, egoVehicle, time, sensorConfigurations);%用所有检测更新跟踪器。注意，没有%需要群集检测，然后将它们传递给跟踪器。%此外，传感器配置作为输入传递给%追踪。抽搐% confirmedTracks在方案坐标中确认跟踪=跟踪器（检测、配置、时间）；t=总有机碳；%更新指标%a。获取地面真相背景真相=场景。参与者（2：结束）；%除了自我%b.更新分配指标tam (confirmedTracks groundTruth);[trackIDs, truthIDs] = currentAssignment (tam);%c。更新错误度量tem（确认跟踪、轨道ID、地面真相、真相）；% d.更新ospa度量OsParametric（timeStep，2）=tom（确认跟踪，地面真相）；%更新鸟瞰图%将轨迹转换为ego坐标以便显示confirmedTracksEgo = helperConvertToEgoCoordinates(egoVehicle, confirmedTracks);显示(egoVehicle，传感器，检测，确认tracksego);drawnow;记录跟踪器运行时间trackerRunTimes（timeStep，2）=t；timeStep=timeStep+1；%为GIF捕获帧gifWriter ();终止捕获事实并跟踪指标表assignmentMetricsGGIWPHD=tam.trackMetricsTable；errorMetricsGGIWPHD=tem.cumulativeTruthMetrics；%如果需要，请写入GIFwriteAnimation（作者，“ggiwphdTracking”);

对于i=1:numel（传感器配置）传感器配置{i}.FilterInitializationFcn=@HelperInTectAngularFilter；%初始化矩形目标gmphdSensorConfiguration{i}.SensorTransformFcn=@ctrectcorners；%使用角来计算检测概率终止%使用新的传感器配置定义跟踪器tracker=trackerPHD(“传感器配置”sensorConfigurations,...“PartitioningFcn”partFcn,...“AssignmentThreshold”,600,...%检测细胞添加出生成分的最小负对数似然“提取阈值”,0.85,...%要声明轨迹的筛选器组件的权重阈值“确认阈值”,0.95,...%要声明为已确认轨迹的过滤器组件的重量阈值“MergingThreshold”, 50岁,...%合并组件的阈值“HasSensorConfigurationsInput”符合事实的...%跟踪在场景帧中执行，因此传感器配置随时间变化);%释放并重新启动所有对象。重启（场景）；对于I = 1:numel(sensors)释放(sensors{I});终止释放(tem);释放(tam);释放(显示);显示。PlotClusteredDetection = false;gifWriter。pFrames = {};%恢复随机种子。rng（种子）%第一时间步时间步长=1；%运行场景而推进(场景)& & ishghandle (display.Figure)%获得场景时间时间=scenario.SimulationTime；%在ego车辆坐标中获取其他车辆的姿势ta = targetPoses (egoVehicle);%从自我车辆传感器收集检测结果[detections, isValidTime, configurations] = helperDetect(sensor, egoVehicle, time, sensorConfigurations);%用所有检测更新跟踪器。注意，没有%需要群集检测，然后将它们传递给跟踪器。%此外，传感器配置作为输入传递给%追踪。抽搐% confirmedTracks在方案坐标中确认跟踪=跟踪器（检测、配置、时间）；t=总有机碳；%更新指标%a。获取地面真相背景真相=场景。参与者（2：结束）；%除了自我%b.更新分配指标tam (confirmedTracks groundTruth);[trackIDs, truthIDs] = currentAssignment (tam);%c。更新错误度量tem（确认跟踪、轨道ID、地面真相、真相）；% d.更新ospa度量ospaMetric(timeStep,3) = tom(confirmedTracks, groundTruth);%更新鸟瞰图%将轨迹转换为ego坐标以便显示confirmedTracksEgo = helperConvertToEgoCoordinates(egoVehicle, confirmedTracks);显示(egoVehicle，传感器，检测，确认tracksego);drawnow;记录跟踪器运行时间trackerRunTimes（timeStep，3）=t；timeStep=timeStep+1；%为GIF捕获帧gifWriter ();终止捕获事实并跟踪指标表assignmentMetricsGMPHD=tam.trackMetricsTable；errorMetricsGMPHD=tem.cumulativeTruthMetrics；%如果需要，请写入GIFwriteAnimation（作者，“gmphdTracking”);%将随机数生成器返回到其以前的状态rng（S）rmpath（外派）

helperPlotAssignmentMetrics (assignmentMetricsMOT assignmentMetricsGGIWPHD assignmentMetricsGMPHD);

helperPlotErrorMetrics（errorMetricsMOT、ErrorMetricsGGIWPH、errorMetricsGMPHD）；

ospaFig=图形；曲线图（OsParametric，“线宽”,2); 传奇(“点目标跟踪器”,“GGIW-PHD追踪”,“矩形GM-PHD追踪”); xlabel(“时间步(k)”)；伊莱贝尔(“OSPA”);

runTimeFig=figure；h=plot（trackerRunTimes（3:end，：）./trackerRunTimes（3:end，1），“线宽”,2); 传奇(“点目标跟踪器”,“GGIW-PHD追踪”,“矩形GM-PHD追踪”); xlabel(“时间步(k)”)；伊莱贝尔(' $ $ \压裂{t_{追踪}识别}{t_ {multiObjectTracker}识别}$ $”,“翻译”,“乳胶”,“字形大小”14);ylim([0 max([h.YData]) + 1]);