当传感器检测到跟踪的关联时，轨道对象是暧昧的。在此示例中，您使用单假设跟踪器，多假设跟踪器和概率数据关联跟踪器来比较跟踪器如何处理这种模糊性。要跟踪，机动目标更好，通过使用各种模型来估计目标的运动。

跟踪大量对象。生成大群鸟类，并为全球最近的邻居多目标跟踪器，Trackergnn.，用于估计羊群中每只鸟的运动。

使用Trackergnn.跟踪大量目标。类似的技术可以应用于trackerjpda.和trackertomht.也是。

调谐并运行跟踪器以跟踪场景中的多个对象。该示例说明并展示了传感器融合和跟踪工具箱中跟踪器的关键属性的重要性。

设计和测试多车道跟踪算法。该算法在具有概率车道检测的驾驶场景中进行测试。

使用传感器融合和跟踪工具箱™在Simulink®中配置和利用GNN和JPDA跟踪器。万博1manbetx使用Simulink（自动化驾驶工具箱）中使用合成雷达和视觉数据密切关注传感器融合。万博1manbetx在Simulink中建模系统的主要好处是执行“When-If”分析和选择跟踪器的简万博1manbetx单性，这些跟踪器可根据要求实现最佳性能。

当传感器检测到轨道的关联时，使用传万博1manbetx感器融合和跟踪工具箱™在Simulink®中跟踪对象。它密切关注跨模糊的Matlab®示例下的跟踪紧密间隔的目标。

生成用于处理检测和输出曲目的MATLAB函数的C代码。该函数包含一个Trackergnn.，但可以使用任何跟踪器。

生成用于曲目级融合算法的代码，其中轨道来自具有不同状态定义的异构源。该示例基于雷达和LIDAR数据示例的轨道级融合，其中从LIDAR和雷达源产生的轨道的状态空间是不同的。