文件

多目标跟踪器

多传感器跟踪器,数据关联,GNN和MHT

您可以创建熔断来自各种传感器信息的多对象跟踪器。用Trackergnn.保持有关跟踪物体的单个假设。用trackertomht.维护关于跟踪对象的多个假设。

职能

展开全部

划分 使用拍卖全球最近邻居的作业
AssegsJv. Jonker-Volgenant全局最近邻邻分配算法
赋予者 使用K-Best Global最近邻居作业
Assistkbestsd. K-Best S-D解决方案,可最大限度地减少任务总成本
AssignMunkres. MUNKRES全局最近邻分配算法
分配 S-D使用拉格朗日放松的分配
Assementtomht. 面向曲目的多假设跟踪分配
trackertomht. 多假设,多传感器,多目标跟踪器
Trackergnn. 多传感器,多对象跟踪器使用GNN分配
ObjectDetection. 创建对象检测报告
getTrachtpositions. 返回更新的曲目位置和位置协方差矩阵
getTrackvelocities 获取更新的轨道速度和速度协方差矩阵
clustertrackbranches. 集群面向曲目的多假设历史
compatibletrackbranches. 从集群中制定全球假设
Prunetrackbranches. 剪枝轨道分支,可能性低
TrackHistoryLogic. 根据最近的曲目历史确认和删除曲目
trackscorelogic. 根据跟踪分数确认和删除曲目
TrackBranchhistory. 面向赛道的MHT分支和分支历史
FuseCovint. 使用协方差交叉协方差融合
Fusecovunion 使用协方差联盟的协方差融合
Fusexcov. 协方差融合使用交叉协方差
staticdetectionFuser. 同步传感器检测的静态融合
Triangulatelos. 三角化多个视线检测

话题

线性卡尔曼滤波器

使用线性卡尔曼滤波器估计和预测对象运动。

扩展卡尔曼过滤器

使用扩展卡尔曼滤波器估计和预测对象运动。

使用全局最近邻追踪仪的简介

此示例显示了如何配置和使用全局最近邻(GNN)跟踪器。

曲目逻辑简介

此示例显示如何定义和使用基于历史记录或分数的确认和删除逻辑。

特色例子