initcakf

Создайте постоянное ускорение линейный Фильтр Калмана из отчета обнаружения

Описание

пример

filter = initcakf(detection) создает и инициализирует постоянное ускорение линейный Кальман filter от информации, содержавшейся в detection отчет. Для получения дополнительной информации о линейном Фильтре Калмана, смотрите trackingKF.

Примеры

свернуть все

Создайте и инициализируйте 2D постоянное ускорение линейный объект Фильтра Калмана из первоначального отчета обнаружения.

Создайте отчет обнаружения из начального 2D измерения, (10, −5), положения объекта. Примите некоррелированый шум измерения.

detection = objectDetection(0,[10;-5],'MeasurementNoise',eye(2), ...
    'SensorIndex',1,'ObjectClassID',1,'ObjectAttributes',{'Car',5});

Создайте новый фильтр из отчета обнаружения.

filter = initcakf(detection);

Покажите состояние фильтра.

filter.State
ans = 6×1

    10
     0
     0
    -5
     0
     0

Покажите модель изменения состояния.

filter.StateTransitionModel
ans = 6×6

    1.0000    1.0000    0.5000         0         0         0
         0    1.0000    1.0000         0         0         0
         0         0    1.0000         0         0         0
         0         0         0    1.0000    1.0000    0.5000
         0         0         0         0    1.0000    1.0000
         0         0         0         0         0    1.0000

Входные параметры

свернуть все

Отчет обнаружения, заданный как objectDetection объект.

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

Выходные аргументы

свернуть все

Линейный Фильтр Калмана, возвращенный как trackingKF объект.

Алгоритмы

  • Функция вычисляет матрицу шума процесса, принимающую шаг с одним вторым разом и ускоряющее стандартное отклонение уровня 1 m/s3.

  • Можно использовать эту функцию в качестве FilterInitializationFcn свойство trackerGNN или trackerTOMHT объект.

Расширенные возможности

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

Смотрите также

Функции

Объекты

Введенный в R2018b