当传感器检测与轨迹的关联不明确时跟踪对象。在本例中，您使用单假设跟踪器、多假设跟踪器和概率数据关联跟踪器来比较跟踪器如何处理这种模糊性。为了更好地跟踪机动目标，可以使用各种模型来估计目标的运动。

使用多对象跟踪器执行类融合。

跟踪大量的对象。生成了一大群鸟，一个全球最近邻多目标跟踪器，trackerGNN，用于估计鸟群中每只鸟的运动。

定义系统的跟踪体系结构，其中包括多个探测级多目标跟踪器和跟踪级融合算法。您可以使用跟踪体系结构来比较不同的跟踪系统设计，并为您的系统找到最佳解决方案。

使用trackerGNN追踪大量目标。类似的技术可以应用于trackerJPDA而且trackerTOMHT也

调优并运行跟踪器来跟踪场景中的多个对象。该示例解释并演示了传感器融合和跟踪工具箱中跟踪器的关键属性的重要性。

利用跟踪器分析信息分析跟踪过程中的检测和航迹关联。

设计并测试一种多车道跟踪算法。该算法在概率车道检测的驾驶场景中进行了测试。

处理多传感器跟踪系统中的无序测量(OOSM)。该示例比较了使用各种处理技术出现OOSM时的跟踪结果。有关OOSM处理技术的更多信息，请参见使用过滤器回溯示例处理无序测量。

在MATLAB中定义跟踪系统的体系结构，并将其导出到Simulink模型。万博1manbetx您将在Simulink中比较各种跟踪系统设计，其中包括多个探测级多目标跟踪器和跟踪引信器。万博1manbetx您可以使用Sim万博1manbetxulink Variant系统为您的系统实现不同的体系结构解决方案。万博 尤文图斯这个例子紧跟“定义和测试系统中的系统的跟踪体系结构”的MATLAB例子。

定义trackingArchitecture对象并将其导出到Simulink。万博1manbetx

在Simulink®中使用传感器融合和跟踪工具箱™在模拟高速公路场景中配置和利用GNN和JPDA跟踪器。万博1manbetx它紧跟Simulink(自动驾驶工具箱)中使用合成雷达和视觉数据的传感器融合。万博1manbetx在Simulink中对系统建模的一个主要好处是执行“假设”分析的简单性，以及根据需万博1manbetx求选择可产生最佳性能的跟踪器。

当传感器检测与跟踪的关联不明确时，万博1manbetx使用传感器融合和跟踪工具箱™在Simulink®中跟踪对象。它紧跟模糊MATLAB®示例下跟踪紧密间隔目标。

生成一个MATLAB函数的C代码，处理检测和输出轨道。函数包含trackerGNN，但任何追踪器都可以代替。

在航迹来自具有不同状态定义的异构源的场景中，为航迹级融合算法生成代码。本例基于雷达和激光雷达数据的航迹级融合示例，其中激光雷达和雷达源生成的航迹的状态空间是不同的。