predictMapToTime
描述
例子
预测网格地图trackerGridRFS
创建一个跟踪场景。
rng (2021);%的可重复的结果现场= trackingScenario (“UpdateRate”5,“StopTime”15);
添加一个平台。挂载激光雷达传感器的平台。
平台=平台(现场);激光雷达= monostaticLidarSensor (1,“DetectionCoordinates”,“身体”);
添加两个目标和定义他们的位置,速度,方向,尺寸和网格。
为我= = 1:2目标平台(现场);xStart = 50 * (2 * rand-1);xFinal = 50 * (2 * rand-1);yStart = 50 * (2 * rand-1);yFinal = 50 * (2 * rand-1);目标。轨迹= waypointTrajectory ([xStart yStart 0; xFinal yFinal 0],[0] 15日);目标。网= extendedObjectMesh (“球”);目标。尺寸=结构(“长度”4…“宽度”4…“高度”2,…“OriginOffset”,0 0 0);结束
定义传感器的配置。
配置= trackingSensorConfiguration (1,…“SensorLimits”(100 -180 180;0),…“SensorTransformParameters”、结构、…“IsValidTime”,真正的);
创建一个基于网格的追踪。
追踪= trackerGridRFS (“SensorConfigurations”配置,…“AssignmentThreshold”5,…“MinNumCellsPerCluster”4…“ClusteringThreshold”3);
推进情况和运行基于激光雷达数据的追踪。
而(场景)= scene.SimulationTime;时间提前%生成的点云tgtMeshes = targetMeshes(平台);[ptCloud,配置]=激光雷达(tgtMeshes、时间);%格式的数据追踪sensorData =结构(“时间”、时间、…“SensorIndex”,1…“测量”ptCloud”,…“MeasurementParameters”、结构…);%的电话追踪使用sensorData获取地图除了%,跟踪[痕迹,~,~,地图]=追踪(sensorData、时间);结束
显示最终的地图。
图显示(图)
做一些假设之前预测的地图。
%在预测假设自由空间仍然是免费的f = tracker.FreeSpaceDiscountFactor;跟踪器。FreeSpaceDiscountFactor = 1;%认为没有目标在预测期间死亡d = tracker.DeathRate;跟踪器。死亡率= 0;%假设没有在预测过程噪声q = tracker.ProcessNoise;跟踪器。ProcessNoise = 0(大小(q));
预测地图1秒,显示预测地图。
图predictedMap = predictMapToTime(追踪者,16)
predictedMap = dynamicEvidentialGridMap属性:NumStateVariables: 4 MotionModel:“常速”GridLength: 100 GridWidth: 100 GridResolution: 1 GridOriginInLocal: (-50 -50)
显示(predictedMap)
恢复跟踪程序的属性值。
跟踪器。FreeSpaceDiscountFactor = f;跟踪器。死亡率= d;跟踪器。ProcessNoise =问;
输入参数
输出参数
版本历史
介绍了R2021a
