文档帮助中心
从检测报告中创建恒转速跟踪粒子滤波器
pf = initctpf(检测)
例子
PF= initctpf (检测)初始化用于跟踪目标的恒转率粒子滤波器,该滤波器基于objectDetection宾语,检测。
PF= initctpf (检测)
PF
检测
objectDetection
全部折叠
创建一个恒定转弯速率跟踪粒子滤波对象,trackingPF,来自最初的检测报告。检测报告从颗粒过滤器状态的在直角坐标的初始3-d的位置测量制成。可以使用恒定转弯率测量功能获得3-d的位置测量,ctmeas。
trackingPF
ctmeas
这个例子使用的坐标,x = 1, y = 3, z = 0和三维位置测量噪声[1 0.2 0;0.2 - 2 0;0 0 1]。
x = 1, y = 3, z = 0
[1 0.2 0;0.2 - 2 0;0 0 1]
检测= objectDetection(0, [1;3;0],“MeasurementNoise”,[1 0。2 0;0.2 - 2 0;0 0 1);
使用initctpf创建一个trackingPF过滤器初始化在提供的位置并使用上面定义的测量噪声。
initctpf
PF = trackingPF具有属性:状态:[7⨯1双] StateCovariance:[7⨯7双] IsStateVariableCircular:[0 0 0 0 0 0 0] StateTransitionFcn:@constturn ProcessNoiseSamplingFcn:[] ProcessNoise:[4×4双] HasAdditiveProcessNoise:0MeasurementFcn:@ctmeas MeasurementLikelihoodFcn:[] MeasurementNoise:[3×3双]颗粒:[7x1000双]重量:[1x1000的双] ResamplingPolicy:[1x1的trackingResamplingPolicy] ResamplingMethod: '多项式'
检查状态和测量噪声值。验证过滤器状态,pf.State的位置分量与检测测量值大致相同,detection.Measurement。
pf.State
detection.Measurement
ans =7×10.9674 0.3690 3.0471 0.2733 0.3056 -0.0590 0.0382
验证滤波器测量噪声,pf.MeasurementNoise是一样的detection.MeasurementNoise值。
pf.MeasurementNoise
detection.MeasurementNoise
ans =3×31.0000 0.2000 0 0.2000 2.0000 0 0 0 1.0000
创建一个恒定转弯速率跟踪粒子滤波对象,trackingPF,来自最初的检测报告。检测报告是由粒子滤波状态在球坐标下的初始三维位置测量得到的。利用恒转率测量函数可以获得三维位置测量,ctmeas。
本例使用坐标az= 30,E1 = 5,R = 100,RR = 4和测量噪声diag([2.5, 2.5, 0.5, 1].^2)。
= 30,E1 = 5,R = 100,RR = 4
diag([2.5, 2.5, 0.5, 1].^2)
MEAS = [30; 5; 100; 4];measNoise = DIAG([2.5,2.5,0.5,1] ^ 2);
使用MeasurementParameters财产检测对象定义帧。如果没有定义,的领域MeasurementParameters结构使用默认值。在这个例子中,传感器位置,传感器速度,方向,海拔,和距离变化率标志是默认。
MeasurementParameters
measParams =结构('帧',“球”);检测= objectDetection(0,量,“MeasurementNoise”measNoise,…“MeasurementParameters”measParams)
测量:[4x1双]Measurement: [4x4双]SensorIndex: 1 ObjectClassID: 0 MeasurementParameters: [1x1 struct] ObjectAttributes: {}
pf = trackingPF属性:状态:[7⨯1双]StateCovariance:[7⨯7双]IsStateVariableCircular: [0 0 0 0 0 0 0] StateTransitionFcn: @constturn ProcessNoiseSamplingFcn: [] ProcessNoise: [4 x4双]HasAdditiveProcessNoise: 0 MeasurementFcn: @ctmeas MeasurementLikelihoodFcn: [] MeasurementNoise: [4 x4双]粒子:[7 x1000双)重量:[1 x1000双]ResamplingPolicy: [1 x1 trackingResamplingPolicy] ResamplingMethod:多项式的
验证滤波器状态产生的测量值与detection.Measurement。
meas2 = ctmeas (pf。状态,detection.MeasurementParameters)
meas2 =4×129.9188 5.0976 99.8303 4.0255
检测报告,指定为objectDetection宾语。
例子:检测= objectDetection(0,[1; 4.5; 3], 'MeasurementNoise',[1.0 0 0 0 2.0 0 0 0 1.5])
检测= objectDetection(0,[1; 4.5; 3], 'MeasurementNoise',[1.0 0 0 0 2.0 0 0 0 1.5])
恒定转弯率粒子滤波目标跟踪,返回为trackingPF宾语。
该函数将过滤器配置为1000个粒子。在创建滤波器时,该函数计算假设单位加速度标准差和单位角加速度标准差的过程噪声矩阵。
你可以用这个函数FilterInitializationFcn的属性trackerTOMHT和trackerGNN系统对象。
FilterInitializationFcn
trackerTOMHT
trackerGNN
constturn
initcapf
initctckf
initctekf
initctukf
initcvpf
trackingEKF
trackingKF
trackingUKF
您的系统中存在此示例的修改版本。你想打开这个版本吗?
你点击了一个链接,对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入该命令来运行它。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站来获取可用的翻译内容,并查看本地事件和报价。根据你的位置,我们建议你选择:。
您还可以选择从下面的列表中的网站:
选择中国网站(中文或英文),以获得最佳的网站表现。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
联系你当地的办公室
得到审判现在