哪里non-tunable属性“pStateSize”位于TOMHT追踪吗?

4视图(30天)

显示旧的评论

Joost 2021年11月18日

0
链接

这个问题直接联系

//www.tianjin-qmedu.com/matlabcentral/answers/1589949-where-is-the-non-tunable-property-pstatesize-located-in-the-tomht-tracker

评论道: 兰德Kivelevitch 2021年11月22日

答:接受兰德Kivelevitch

你好,

当我使用Matlab编码器创建TOMHT追踪的c++代码,一个错误检查与Matlab编码器发生运行时错误。这个错误发生在调用TOMHTtracker行:跟踪=追踪(检测、时间),跟踪是一个trackerTOMHT对象。

这个错误表示: 未能计算定值nontunable产权“pStateSize”。在代码生成,nontunable属性只能指定常量值。

我们建立自己的IMM CVKF组成,CAKF CTUKF。如果我们使用这些3过滤器,而不是我们的IMM,他们没有运行时错误发现的Matlab编码器,所以我们必须在IMM犯了一个错误。然而,我到处都找不到“pStateSize”属性。我在想如果你能帮我解决这个问题。

非常感谢你,

Joost

0评论
显示1年长的评论藏1年长的评论

登录置评。

在回答这个问题。

接受的答案

兰德Kivelevitch 2021年11月18日

0
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/1589949-where-is-the-non-tunable-property-pstatesize-located-in-the-tomht-tracker answer_834869

编辑:兰德Kivelevitch 2021年11月18日

你好,

我相信将会来自matlabshared.tracking.internal.fusion.ObjectTrack的错误。这是内部对象跟踪对象是由每个目标的跟踪管理。这意味着在代码生成我们无法算出物体的大小。

然而,我不知道为什么你会遇到这个问题在您的代码。这可能是我们应该解决的东西。

你能提供更多的信息。你FilterInitializationFcn是什么样子(如果你可以附上)?

同时,请让我知道哪个MATLAB释放您目前正在使用。

谢谢,

兰德

7评论
显示6年长的评论隐藏6年长的评论

Joost 2021年11月18日

嗨兰德,

谢谢你的快速反应。这是FilterInitializationFcn。我们正在使用的版本是2021年。因为ukf滤波器似乎并不为我们的二维场景的正常运行,我们剥夺了他们2 d版本。个人没有IMM他们工作。

函数IMM = initukfimm2D(检测)

% # codegen

UKF =细胞(1、3);

%创建trackingEKF过滤器(CV),以恒定速度常数

%加速度(CA)和常数(CT)的运动模型。

measurementNoise = Detection.MeasurementNoise;

UKF {1} = initcvkf2D(检测);

UKF {2} = initcaukf2D(检测);

UKF {3} = initctukf2D(检测);

为i = 1:3

% setMeasurementSizes (UKF{我}2 2);

UKF {}。MeasurementNoise = MeasurementNoise;

结束

%为mdlConv分配模型转换函数的函数处理。

mdlConv = @switchimm2d;

%创建IMM滤波器对象。

IMM = trackingIMM (“TrackingFilters”、UKF…

“ModelConversionFcn”mdlConv,“TransitionProbabilities”,0.87);

兰德Kivelevitch 2021年11月18日

嗨Joost,

我有好消息与大家分享:

我可以复制你发现的错误。,事实上,从内部对象跟踪我怀疑。这是由于二维恒定速度线性卡尔曼滤波对象。编码器不能完全锁状态的大小。有线性卡尔曼滤波器的方法,而是因为它里面的IMM方法是不触发内部对象跟踪逻辑锁定它。
这个问题已经固定在未来的版本中,将在2022年到达。
有一个解决方案,但是它非常简单,见下文。

在你的代码中,替代的顺序线性卡尔曼滤波器的非线性滤波器。例如:

                                   函数IMM = initukfimm2D(检测)
                                  
                                   % # codegen
                                  
                                   UKF =细胞(1、3);
                                  
                                   %创建trackingEKF过滤器(CV),以恒定速度常数
                                  
                                   %加速度(CA)和常数(CT)的运动模型。
                                  
                                   measurementNoise = Detection.MeasurementNoise;
                                  
                                   %这是修复
                                  
                                   UKF {2} = initcvkf2D(检测);% < - - - - - -让这第二个过滤器
                                  
                                   UKF {1} = initcaukf2D(检测);% < - - - - - -让这个第一个过滤器
                                  
                                   %最终解决
                                  
                                   UKF {3} = initctukf2D(检测);
                                  
                                   为i = 1:3
                                  
                                   % setMeasurementSizes (UKF{我}2 2);
                                  
                                   UKF {}。MeasurementNoise = MeasurementNoise;
                                  
                                   结束
                                  
                                   %为mdlConv分配模型转换函数的函数处理。
                                  
                                   mdlConv = @switchimm2d;% < - - - - - -如果你想,你也可以用正则switchimm。
                                  
                                   %创建IMM滤波器对象。
                                  
                                   IMM = trackingIMM (“TrackingFilters”、UKF…
                                  
                                   “ModelConversionFcn”mdlConv,“TransitionProbabilities”,0.87);

为了完成,我对initukfimm2D附加的完整代码。m和追踪。米以下

initukfimm2D

                                   函数IMM = initukfimm2D(检测)
                                  
                                   % # codegen
                                  
                                   UKF =细胞(1、3);
                                  
                                   %创建trackingEKF过滤器(CV),以恒定速度常数
                                  
                                   %加速度(CA)和常数(CT)的运动模型。
                                  
                                   measurementNoise = Detection.MeasurementNoise;
                                  
                                   UKF {2} = initcvkf2D(检测);
                                  
                                   UKF {1} = initcaukf2D(检测);
                                  
                                   UKF {3} = initctukf2D(检测);
                                  
                                   为i = 1:3
                                  
                                   % setMeasurementSizes (UKF{我}2 2);
                                  
                                   UKF {}。MeasurementNoise = MeasurementNoise;
                                  
                                   结束
                                  
                                   %为mdlConv分配模型转换函数的函数处理。
                                  
                                   mdlConv = @switchimm;
                                  
                                   %创建IMM滤波器对象。
                                  
                                   IMM = trackingIMM (“TrackingFilters”、UKF…
                                  
                                   “ModelConversionFcn”mdlConv,“TransitionProbabilities”,0.87);
                                  
                                   结束
                                  
                                   函数cvkf = initcvkf2D(检测)
                                  
                                   classToUse =类(detection.Measurement);
                                  
                                   H =投([1 0 0 0;0 0 1 0],classToUse);
                                  
                                   x = H ' * detection.Measurement;
                                  
                                   R = detection.MeasurementNoise;
                                  
                                   P = H ' * R * H;
                                  
                                   dP =诊断接头(P);
                                  
                                   isZero = (dP = = 0);
                                  
                                   P = P + 100 *诊断接头(isZero);
                                  
                                   cvkf = trackingKF (“MotionModel”,“二维恒定速度”,…
                                  
                                   “状态”,x,“StateCovariance”、磷、“MeasurementModel”H,…
                                  
                                   “MeasurementNoise”,R);
                                  
                                   结束
                                  
                                   函数caukf = initcaukf2D(检测)
                                  
                                   classToUse =类(detection.Measurement);
                                  
                                   H =投([1 0 0 0 0 0;0 0 0 1 0 0],classToUse);
                                  
                                   x = H ' * detection.Measurement;
                                  
                                   R = detection.MeasurementNoise;
                                  
                                   P = H ' * R * H;
                                  
                                   dP =诊断接头(P);
                                  
                                   isZero = (dP = = 0);
                                  
                                   P = P + 100 *诊断接头(isZero);
                                  
                                   caukf = trackingUKF (@constacc @cameas2D,…
                                  
                                   “状态”,x,“StateCovariance”、磷、…
                                  
                                   “MeasurementNoise”,R);
                                  
                                   结束
                                  
                                   函数caukf = initctukf2D(检测)
                                  
                                   classToUse =类(detection.Measurement);
                                  
                                   H =投([1 0 0 0 0;0 0 1 0 0],classToUse);
                                  
                                   x = H ' * detection.Measurement;
                                  
                                   R = detection.MeasurementNoise;
                                  
                                   P = H ' * R * H;
                                  
                                   dP =诊断接头(P);
                                  
                                   isZero = (dP = = 0);
                                  
                                   P = P + 100 *诊断接头(isZero);
                                  
                                   caukf = trackingUKF (@constturn @ctmeas2D,…
                                  
                                   “状态”,x,“StateCovariance”、磷、…
                                  
                                   “MeasurementNoise”,R);
                                  
                                   结束
                                  
                                   函数z = cameas2D (x,变长度输入宗量)
                                  
                                   z3 = cameas (x,变长度输入宗量{:});
                                  
                                   %假设一个矩形测量
                                  
                                   z = z3 (1:2);
                                  
                                   结束
                                  
                                   函数z = ctmeas2D (x,变长度输入宗量)
                                  
                                   z3 = ctmeas (x,变长度输入宗量{:});
                                  
                                   %假设一个矩形测量
                                  
                                   z = z3 (1:2);
                                  
                                   结束

tracker.m

                                   函数跟踪=追踪(检测、时间)
                                  
                                   持续的trkr
                                  
                                   如果isempty (trkr)
                                  
                                   trkr = trackerTOMHT (“FilterInitializationFcn”,@initukfimm2D);
                                  
                                   结束
                                  
                                   跟踪= trkr(检测、时间);
                                  
                                   结束

兰德Kivelevitch 2021年11月22日

嗨Joost,

这似乎是我们愿意花时间去调查。

让你前进,请考虑添加switchimm2D IMM滤波器。内置的switchimm函数试图处理多个2 d到3 d的情况下,3 d 2 d, 3 d 3 d等。可能有一个案例,不支持完全,需要解决。万博1manbetx

兰德

登录置评。

类别

机器人和自治系统传感器融合和跟踪工具估计过滤器

雷达传感器融合和跟踪工具估计过滤器

找到更多的在估计过滤器在帮助中心和文件交换

s manbetx 845

传感器融合和跟踪工具

释放

R2021b

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!

哪里non-tunable属性“pStateSize”位于TOMHT追踪吗?

0评论
显示1年长的评论藏1年长的评论

接受的答案

7评论
显示6年长的评论隐藏6年长的评论

更多的答案(0)

另请参阅

类别

标签

s manbetx 845

释放

社区寻宝

哪里non-tunable属性“pStateSize”位于TOMHT追踪吗?

0评论 显示1年长的评论藏1年长的评论

接受的答案

7评论 显示6年长的评论隐藏6年长的评论

更多的答案(0)

另请参阅

类别

标签

s manbetx 845

释放

社区寻宝

0评论
显示1年长的评论藏1年长的评论

7评论
显示6年长的评论隐藏6年长的评论