trackingIMM

Фильтр взаимодействующей многоуровневой модели (IMM) для объектного отслеживания

Описание

Объект trackingIMM представляет фильтр взаимодействующей многоуровневой модели (IMM), разработанный для отслеживания объектов, которые очень маневренны. Используйте фильтр, чтобы предсказать будущее местоположение объекта, уменьшать шум в обнаруженном месте, или справка сопоставляет несколько обнаружений объектов с их дорожками.

IMM фильтруют соглашения с несколькими моделями движения в Байесовой среде. Этот метод разрешает целевую неуверенность движения при помощи многоуровневых моделей за один раз для маневрирующей цели. Процессы алгоритма IMM все модели одновременно и переключатели между моделями согласно их обновленным весам.

Создание

Синтаксис

imm = trackingIMM

imm = trackingIMM(trackingFilters)

imm = trackingIMM(trackingFilters,modelConversionFcn)

imm = trackingIMM(trackingFilters,modelConversionFcn,transitionProbabilities)

imm = trackingIMM(___,Name,Value)

Описание

imm = trackingIMM возвращает объект фильтра IMM со значением по умолчанию, отслеживающим фильтры {trackingEKF,trackingEKF,trackingEKF} с набором моделей движения как постоянная скорость, постоянное ускорение и постоянный поворот, соответственно. Фильтр использует функцию преобразования по умолчанию, @switchimm.

imm = trackingIMM(trackingFilters) задает свойство TrackingFilters и устанавливает все другие свойства на значения по умолчанию.

imm = trackingIMM(trackingFilters,modelConversionFcn) также задает свойство ModelConversionFcn.

imm = trackingIMM(trackingFilters,modelConversionFcn,transitionProbabilities) также задает свойство TransitionProbabilities.

пример

imm = trackingIMM(___,Name,Value) задает свойства фильтра с помощью одного или нескольких аргументов пары Name,Value. Любые незаданные свойства берут значения по умолчанию. Задайте любые другие входные параметры от предыдущих синтаксисов сначала.

Свойства

развернуть все

`State` — Состояние фильтра
`[0;0;0;0;0;0]` (значение по умолчанию) | M с действительным знаком - вектор элемента

Состояние фильтра, заданное как M с действительным знаком - вектор элемента. Задайте начальное состояние при создании объекта с помощью пар "имя-значение".

Типы данных: single | double

`StateCovariance` — Ошибочная ковариация оценки состояния
`diag([1 100 1 100 1 100])` (значение по умолчанию) | M-by-M матрица | скаляр

Ошибочная ковариация состояния, заданная как M-by-M матрица, где M является размером состояния фильтра. Скалярный вход расширен к M-by-M матрица. Ковариационная матрица представляет неуверенность в состоянии фильтра. Задайте ковариацию начального состояния при создании объекта с помощью пар "имя-значение".

Пример: eye(6)

Типы данных: single | double

`TrackingFilters` — Список фильтров
`{trackingEKF,trackingEKF,trackingEKF}` (значение по умолчанию) | массив ячеек отслеживания фильтров

Список фильтров, заданных как массив ячеек отслеживания фильтров. По умолчанию фильтры имеют равную вероятность. Задайте ModelProbabilities, если фильтры имеют различные вероятности.

Типы данных: cell

`ModelConversionFcn` — Функционируйте, чтобы преобразовать ковариацию состояния или состояния
`@switchimm` (значение по умолчанию) | указатель на функцию

Функция, чтобы преобразовать ковариацию состояния или состояния, заданную как указатель на функцию. Функция преобразовывает ковариацию состояния или состояния от одного типа модели до другого. Функциональная подпись:

function x2 = modelConversionFcn(modelType1,x1,modelType2)

modelType1 и входные параметры modelType2 являются именами этих двух имен модели. x1 задает State или StateCovariance первой модели. x2 выводит State или StateCovariance

Типы данных: function_handle

`TransitionProbabilities` — Вероятность переходов модели фильтра
`0.9` (значение по умолчанию) | положительный действительный скаляр | L - вектор элемента | L-by-L матрица

Вероятность переходов модели фильтра, заданных как положительный действительный скаляр, L - вектор элемента или L-by-L матрица, где L является количеством фильтров:

Когда задано как скаляр, вероятность универсальна для пребывания на каждом фильтре. Остающаяся вероятность (1-p) распределяется равномерно на других моделях движения.
Когда задано как вектор, каждый элемент задает вероятность пребывания на каждом фильтре. Остающаяся вероятность (1-p) распределяется равномерно на других моделях движения.
Когда задано как матрица, элемент (j,k) задает вероятность перехода от j th фильтр к k th фильтр. Все элементы должны лечь на интервал [0,1], и каждая строка и столбец должна суммировать к 1.

Пример: 0.75

Типы данных: single | double

`MeasurementNoise` — Ковариация шума измерения
`1` (значение по умолчанию) | положительная скалярная величина | положительно-определенная матрица с действительным знаком

Ковариация шума измерения, заданная как положительная скалярная величина или положительно-определенная матрица с действительным знаком. Когда задано как скаляр, матрица является кратной N-by-N единичная матрица. N является размером вектора измерения.

Задайте MeasurementNoise перед любым вызовом метода correct.

Пример: 0.2

`ModelProbabilities` — Вес каждого фильтра
`1/L*ones(L)` (значение по умолчанию) | вектор вероятностей между 0 и 1

Вес каждого фильтра, заданного как вектор вероятностей от 0 до 1. По умолчанию вес каждого компонента фильтра равен. L является количеством фильтров.

Типы данных: single | double

Функции объекта

`predict`	Предскажите ошибочную ковариацию оценки состояния и оценки состояния
`correct`	Правильная ошибочная ковариация оценки состояния и оценки состояния
`correctjpda`	Правильная ошибочная ковариация оценки состояния и оценки состояния с помощью JPDA
`distance`	Расстояния между измерениями и предсказанными измерениями
`residual`	Невязка измерения и остаточный шум
`clone`	Скопируйте фильтр для объектного отслеживания
`initialize`	Инициализируйте состояние и ковариацию фильтра

Примеры

свернуть все

Запустите фильтр `trackingIMM`

Скрипт Open Live Script

Этот пример показывает, как создать и запустить фильтр взаимодействующей многоуровневой модели (IMM) с помощью объекта trackingIMM. Вызовите predict и функции correct, чтобы отследить объект и исправить оценку состояния на основе измерений.

Создайте фильтр. Используйте пары "имя-значение", чтобы задать дополнительные свойства объекта.

detection = objectDetection(0, [1;1;0], 'MeasurementNoise', [1 0.2 0; 0.2 2 0; 0 0 1]);
filter = {initctekf(detection);initcvekf(detection)};
modelConv = @switchimm;
transProb = [0.9,0.9];
imm = trackingIMM('State',[1;1;3;1;5;1;1],'StateCovariance',eye(7),...
     'TransitionProbabilities',transProb,'TrackingFilters',filter,...
     'ModelConversionFcn',modelConv);

Вызовите predict, чтобы получить предсказанное состояние и ковариацию фильтра. Используйте временной шаг 0,5 секунд.

[xPred,pPred] = predict(imm,0.5);

Вызовите correct с данным измерением.

meas = [1;1;0];
[xCorr,pCorr] = correct(imm,meas);

Продолжите предсказывать состояние фильтра. Задайте желаемый временной шаг в секундах при необходимости.

[xPred,pPred] = predict(imm);         % Predict over 1 second
[xPred,pPred] = predict(imm,2);       % Predict over 2 seconds

Документация

trackingIMM

Описание

Создание

Синтаксис

Описание

Свойства

`State` — Состояние фильтра
`[0;0;0;0;0;0]` (значение по умолчанию) | M с действительным знаком - вектор элемента

`StateCovariance` — Ошибочная ковариация оценки состояния
`diag([1 100 1 100 1 100])` (значение по умолчанию) | M-by-M матрица | скаляр

`TrackingFilters` — Список фильтров
`{trackingEKF,trackingEKF,trackingEKF}` (значение по умолчанию) | массив ячеек отслеживания фильтров

`ModelConversionFcn` — Функционируйте, чтобы преобразовать ковариацию состояния или состояния
`@switchimm` (значение по умолчанию) | указатель на функцию

`TransitionProbabilities` — Вероятность переходов модели фильтра
`0.9` (значение по умолчанию) | положительный действительный скаляр | L - вектор элемента | L-by-L матрица

`MeasurementNoise` — Ковариация шума измерения
`1` (значение по умолчанию) | положительная скалярная величина | положительно-определенная матрица с действительным знаком

`ModelProbabilities` — Вес каждого фильтра
`1/L*ones(L)` (значение по умолчанию) | вектор вероятностей между 0 и 1

Функции объекта

Примеры

Запустите фильтр `trackingIMM`

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Смотрите также

Введенный в R2018b

Документация Sensor Fusion and Tracking Toolbox

Поддержка

Документация

trackingIMM

Описание

Создание

Синтаксис

Описание

Свойства

State — Состояние фильтра [0;0;0;0;0;0] (значение по умолчанию) | M с действительным знаком - вектор элемента

StateCovariance — Ошибочная ковариация оценки состояния diag([1 100 1 100 1 100]) (значение по умолчанию) | M-by-M матрица | скаляр

TrackingFilters — Список фильтров {trackingEKF,trackingEKF,trackingEKF} (значение по умолчанию) | массив ячеек отслеживания фильтров

ModelConversionFcn — Функционируйте, чтобы преобразовать ковариацию состояния или состояния @switchimm (значение по умолчанию) | указатель на функцию

TransitionProbabilities — Вероятность переходов модели фильтра 0.9 (значение по умолчанию) | положительный действительный скаляр | L - вектор элемента | L-by-L матрица

MeasurementNoise — Ковариация шума измерения 1 (значение по умолчанию) | положительная скалярная величина | положительно-определенная матрица с действительным знаком

ModelProbabilities — Вес каждого фильтра 1/L*ones(L) (значение по умолчанию) | вектор вероятностей между 0 и 1

Функции объекта

Примеры

Запустите фильтр trackingIMM

Расширенные возможности

Генерация кода C/C++ Генерация кода C и C++ с помощью MATLAB® Coder™.

Смотрите также

Введенный в R2018b

Документация Sensor Fusion and Tracking Toolbox

Поддержка

`State` — Состояние фильтра
`[0;0;0;0;0;0]` (значение по умолчанию) | M с действительным знаком - вектор элемента

`StateCovariance` — Ошибочная ковариация оценки состояния
`diag([1 100 1 100 1 100])` (значение по умолчанию) | M-by-M матрица | скаляр

`TrackingFilters` — Список фильтров
`{trackingEKF,trackingEKF,trackingEKF}` (значение по умолчанию) | массив ячеек отслеживания фильтров

`ModelConversionFcn` — Функционируйте, чтобы преобразовать ковариацию состояния или состояния
`@switchimm` (значение по умолчанию) | указатель на функцию

`TransitionProbabilities` — Вероятность переходов модели фильтра
`0.9` (значение по умолчанию) | положительный действительный скаляр | L - вектор элемента | L-by-L матрица

`MeasurementNoise` — Ковариация шума измерения
`1` (значение по умолчанию) | положительная скалярная величина | положительно-определенная матрица с действительным знаком

`ModelProbabilities` — Вес каждого фильтра
`1/L*ones(L)` (значение по умолчанию) | вектор вероятностей между 0 и 1

Запустите фильтр `trackingIMM`

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.