主要内容

initcakf

从检测报告中创建恒加速度线性卡尔曼滤波器

折叠所有页面

语法

Filter = initcakf(检测)

描述

例子

过滤器= initcakf (检测）创建并初始化一个恒加速度线性卡尔曼过滤器中包含的信息检测报告。有关线性卡尔曼滤波器的更多信息，请参见trackingKF．

函数初始化一个恒定的加速度状态与constacc而且cameas, (xvx一个xyvy一个yzvz一个z]。

例子

全部折叠

打开实时脚本

从初始检测报告中创建并初始化一个二维恒加速度线性卡尔曼滤波对象。

根据物体位置的初始二维测量(10，−5)创建检测报告。假设测量噪声不相关。

检测= objectDetection(0，[10;-5]，“MeasurementNoise”,眼(2),.．.“SensorIndex”，1,“ObjectClassID”，1,“ObjectAttributes”, {“汽车”, 5});

根据检测报告创建新的过滤器。

Filter = initcakf(检测);

显示筛选器状态。

过滤器。状态
ans =6×110 0 0 -5 0 0

显示状态转换模型。

过滤器。状态TransitionModel
ans =6×61.0000 1.0000 0.5000 0000 1.0000 1.0000 0000 0 1.0000 0000 00 1.0000 1.0000 0.5000 0000 1.0000 1.0000 0000 00 1.0000

输入参数

全部折叠

检测报告，指定为objectDetection对象。

例子:detection = objectDetection(0，[1;4.5;3]，' measuentnoise '， [1.0 0 0;0 2.0 0;0 0 1.5])

输出参数

全部折叠

线性卡尔曼滤波器，返回为atrackingKF对象。

算法

  • 该函数计算过程噪声矩阵，假设时间步长为1秒，加速度标准偏差为1米/秒3.．

  • 您可以使用此函数作为FilterInitializationFcn的属性radarTracker对象。

扩展功能

C/ c++代码生成
使用MATLAB®Coder™生成C和c++代码。

版本历史

R2021a中引入

另请参阅

功能

对象