Joint Probabilistic Data Association Multi Object Tracker

Соедините вероятностное средство отслеживания ассоциации данных

Библиотека:
Sensor Fusion and Tracking Toolbox

Описание

Блок Joint Probabilistic Data Association Multi Object Tracker способен к обработке обнаружений нескольких целей от нескольких датчиков. Использование средства отслеживания соединяет вероятностную ассоциацию данных, чтобы присвоить обнаружения каждой дорожке. Средство отслеживания применяет мягкое присвоение, в котором несколько обнаружений могут способствовать каждой дорожке. Средство отслеживания инициализирует, подтверждает, корректирует, предсказывает (выполняет каботажное судоходство), и удаляет дорожки. Средство отслеживания оценивает вектор состояния и оценочную ошибочную ковариационную матрицу состояния для каждой дорожки. Каждое обнаружение присвоено по крайней мере одной дорожке. Если обнаружение не может быть присвоено никакой существующей дорожке, средство отслеживания создает новый трек.

Любой новый трек запускается в предварительном состоянии. Если достаточно обнаружений присвоено предварительной дорожке, ее изменениям состояния в подтвержденном. Если обнаружение уже имеет известную классификацию (ObjectClassID поле возвращенной дорожки является ненулевым), что соответствующая дорожка сразу подтверждена. Когда дорожка подтверждена, средство отслеживания полагает, что дорожка представляет физический объект. Если обнаружения не присвоены дорожке в specifiable количестве обновлений, дорожка удалена.

Порты

Входной параметр

развернуть все

`Detections` — Список обнаружений
Шина Simulink^®, содержащая структуру MATLAB^®

Список обнаружений, заданный как шина Simulink, содержащая структуру MATLAB. Структура имеет форму:

Поле	Описание	Ввод
`NumDetections`	Количество обнаружений	Целое число
`Detections`	Обнаружения объектов	Массив `objectDetection` структуры. Первый `NumDetections` из этих обнаружений фактические обнаружения.

Поля обнаружений:

Поле	Описание	Ввод
`Time`	Время измерения	`Single` или `Double`
`Measurement`	Объектные измерения	`Single` или `Double`
`MeasurementNoise`	Ковариационная матрица шума измерения	`Single` или `Double`
`SensorIndex`	Уникальный идентификатор датчика	`Single` или `Double`
`ObjectClassID`	ID предметной классификации	`Single` или `Double`
`MeasurementParameters`	Параметры используются функциями инициализации отслеживания фильтров	Шина Simulink
`ObjectAttributes`	Дополнительная информация передала средству отслеживания	Шина Simulink

Смотрите objectDetection для более подробного объяснения этих полей.

Примечание

Структура обнаружения объектов содержит Time поле . Тег времени каждого обнаружения объектов должен быть меньше чем или равен времени текущего вызова блока. Тег времени должен также быть больше времени обновления, заданного в предыдущем вызове блока.

`Prediction Time` — Отследите время обновления
действительный скаляр

Отследите время обновления, заданное как действительный скаляр в секундах. Средство отслеживания обновляет все дорожки к этому времени. Время обновления должно всегда увеличиваться с каждым вызовом блока. Время обновления должно быть, по крайней мере, столь же большим как самый большой Time заданный во входном порту Detections.

Если порт не включен, часы симуляции, управляемые Simulink, определяют время обновления.

Зависимости

Чтобы включить этот порт, на вкладке Port Setting, устанавливают Prediction time source на Input port.

`Cost Matrix` — Стойте матрицы
N с действительным знаком _t-by-Nd матрица

Стойте матрицы, заданной как N с действительным знаком _t-by-Nd матрица, где N _t является количеством существующих дорожек, и N _d является количеством текущих обнаружений.

Строки матрицы стоимости соответствуют существующим дорожкам. Столбцы соответствуют обнаружениям. Дорожки упорядочены, когда они появляются в списке дорожек от выходного порта All Tracks на предыдущем вызове блока.

В первом обновлении средства отслеживания, или если средство отслеживания не имеет никаких предыдущих дорожек, присвоение, стоимость матрицирует размер [0, N _d]. Стоимость должна быть вычислена так, чтобы более низкие цены указали на более высокую вероятность, что средство отслеживания присваивает обнаружение дорожке. Чтобы препятствовать тому, чтобы определенные обнаружения были присвоены определенным дорожкам, используйте Inf.

Если этот порт не включен, фильтр, инициализированный Filter initialization function, вычисляет матрицу стоимости использование метода расстояния.

Зависимости

Чтобы включить этот порт, на вкладке Port Setting, выбирают Enable cost matrix input.

`Detectable TrackIDs` — Обнаруживаемые идентификаторы дорожки
M с действительным знаком-by-1 вектор | M с действительным знаком-by-2 матрица

Обнаруживаемые идентификаторы дорожки, заданные как M с действительным знаком-by-1 вектор или M-by-2 матрица. Обнаруживаемые дорожки являются дорожками, которые датчики ожидают обнаруживать. Первый столбец матрицы содержит список идентификаторов дорожки, о которых датчики сообщают как обнаруживаемые. Дополнительный второй столбец позволяет вам добавить вероятность обнаружения для каждой дорожки.

Дорожки, идентификаторы которых не включены в Detectable TrackIDs, рассматриваются необнаруживаемыми. Логика удаления дорожки не считает отсутствие обнаружения как "пропущенное обнаружение" в целях удаления дорожки.

Если этот порт не включен, средство отслеживания принимает все дорожки, чтобы быть обнаруживаемым при каждом вызове блока.

Зависимости

Чтобы включить этот порт, на вкладке Port Setting, выбирают Enable detectable track IDs Input.

Вывод

развернуть все

`Confirmed Tracks` — Подтвержденные дорожки
Шина Simulink, содержащая структуру MATLAB

Подтвержденные дорожки, возвращенные как шина Simulink, содержащая структуру MATLAB. Структура имеет форму:

Поле	Описание
`NumTracks`	Количество дорожек
`Tracks`	Массив структур дорожки длины установлен параметром Maximum number of tracks. Только первый `NumTracks` из них фактические дорожки.

Поля структуры дорожки показывают в Структуре Дорожки.

В зависимости от логики дорожки дорожка подтверждена если:

История – дорожка получает, по крайней мере, M обнаружения в последнем N обновления. M и N заданы в Confirmation threshold для History логика.
Интегрированный – интегрированная вероятность существования дорожки выше, чем порог подтверждения, заданный в Confirmation threshold для Integrated логика.

`Tentative Tracks` — Предварительные дорожки
Шина Simulink, содержащая структуру MATLAB

Предварительные дорожки, возвращенные как шина Simulink, содержащая структуру MATLAB. Дорожка является предварительной, прежде чем она будет подтверждена.

Поля структуры дорожки показывают в Структуре Дорожки.

Зависимости

Чтобы включить этот порт, на вкладке Port Setting, выбирают Enable tentative tracks output.

`All Tracks` — Подтвержденные и предварительные дорожки
Шина Simulink, содержащая структуру MATLAB

Объединенный список подтвержденных и предварительных дорожек, возвращенных как шина Simulink, содержащая структуру MATLAB.

Поля структуры дорожки показывают в Структуре Дорожки.

Зависимости

Чтобы включить этот порт, на вкладке Port Setting, выбирают Enable all tracks output.

`Info` — Дополнительная информация для анализа обновлений дорожки
Шина Simulink, содержащая структуру MATLAB

Дополнительная информация для анализа обновлений дорожки, возвращенных как шина Simulink, содержащая структуру MATLAB.

Эта таблица показывает поля информационной структуры:

Поле	Описание
`TrackIDsAtStepBeginning`	Отследите идентификаторы, когда шаг начался.
`CostMatrix`	Стойте матрицы за присвоение.
`Clusters`	Массив ячеек кластерных отчетов. Дополнительную информацию см. в Выполнимых Объединенных Событиях.
`InitiatedTrackIDs`	Идентификаторы дорожек инициируются во время шага.
`DeletedTrackIDs`	Идентификаторы дорожек удалены во время шага.
`TrackIDsAtStepEnd`	Отследите идентификаторы когда законченный шаг.

Clusters поле может включать несколько кластерных отчетов. Каждый кластерный отчет является структурой, содержащей:

Поле	Описание
`DetectionIndices`	Индексы кластеризованных обнаружений.
`TrackIDs`	Отследите идентификаторы кластеризованных дорожек.
`ValidationMatrix`	Матрица валидации кластера. Дополнительную информацию см. в Выполнимых Объединенных Событиях.
`SensorIndex`	Индекс инициирующего датчика кластеризованных обнаружений.
`TimeStamp`	Средняя метка времени кластеризованных обнаружений.
`MarginalProbabilities`	Матрица крайних следующих объединенных вероятностей ассоциации.

Зависимости

Чтобы включить этот порт, на вкладке Port Setting, выбирают Enable information output.

Параметры

развернуть все

Управление средством отслеживания

`Filter initialization function` — Отфильтруйте функцию инициализации
`@initcvekf` (значение по умолчанию) | указатель на функцию | вектор символов

Отфильтруйте функцию инициализации, определенный функцией указатель или как вектор символов, содержащий имя допустимой функции инициализации фильтра. Средство отслеживания использует функцию инициализации фильтра при создании новых треков.

Sensor Fusion and Tracking Toolbox™ предоставляет много функций инициализации:

Функция инициализации	Функциональное определение
`initcvkf`	Инициализируйте постоянную скорость линейный Фильтр Калмана.
`initcakf`	Инициализируйте постоянное ускорение линейный Фильтр Калмана.
`initcvabf`	Инициализируйте фильтр альфы - беты постоянной скорости
`initcaabf`	Инициализируйте фильтр альфы - беты постоянного ускорения
`initcvekf`	Инициализируйте расширенный Фильтр Калмана постоянной скорости.
`initcaekf`	Инициализируйте расширенный Фильтр Калмана постоянного ускорения.
`initrpekf`	Инициализируйте постоянную скорость параметризованный областью значений расширенный Фильтр Калмана.
`initapekf`	Инициализируйте постоянную скорость параметризованный углом расширенный Фильтр Калмана.
`initctekf`	Инициализируйте расширенный Фильтр Калмана постоянной угловой скорости вращения.
`initcackf`	Инициализируйте фильтр кубатуры постоянного ускорения.
`initctckf`	Инициализируйте фильтр кубатуры постоянной угловой скорости вращения.
`initcvckf`	Инициализируйте фильтр кубатуры постоянной скорости.
`initcvukf`	Инициализируйте сигма-точечный фильтр Калмана постоянной скорости.
`initcaukf`	Инициализируйте сигма-точечный фильтр Калмана постоянного ускорения.
`initctukf`	Инициализируйте сигма-точечный фильтр Калмана постоянной угловой скорости вращения.
`initcvmscekf`	Инициализируйте расширенный Фильтр Калмана постоянной скорости в модифицированных сферических координатах.
`initekfimm`	Инициализируйте отслеживание фильтр IMM.

Можно также записать собственную функцию инициализации, использующую этот синтаксис:

filter = filterInitializationFcn(detection)

Вход к этой функции является отчетом обнаружения как созданные objectDetection. Выход этой функции должен быть объектом фильтра: trackingKF, trackingEKF, trackingUKF, trackingCKF, trackingGSF, trackingIMM, trackingMSCEKF, или trackingABF.

Для руководства в записи этой функции используйте type команда, чтобы исследовать детали встроенных функций MATLAB. Например:

type initcvekf

Примечание

trackerJPDA не принимает все функции инициализации фильтра в Sensor Fusion and Tracking Toolbox. Полный список функций инициализации фильтра, доступных в Sensor Fusion and Tracking Toolbox, дан в разделе Initialization Фильтров Оценки.

`Feasible joint events generation function name` — Выполнимое объединенное имя функции генерации событий
`@jpdaEvents` (значение по умолчанию) | указатель на функцию | вектор символов

Выполнимое объединенное имя функции генерации событий, определенный функцией указатель или как вектор символов, содержащий имя выполнимой объединенной функции генерации событий. Эта функция генерирует выполнимые объединенные матрицы события от допустимых событий (обычно даваемый матрицей валидации) сценария отслеживания. Матрица валидации является бинарной матрицей, перечисляющей все возможные ассоциации обнаружений к дорожке. Для получения дополнительной информации смотрите jpadEvents.

Можно также записать собственную функцию генерации. Функция должна иметь этот синтаксис:

FJE = myfunction(ValidationMatrix)

Ввод и вывод этой функции должен точно следовать за форматами, используемыми в jpdaEvents. Для руководства в записи этой функции используйте type команда, чтобы исследовать детали jpdaEvents:

type jpdaEvents

`Maximum number of tracks` — Максимальное количество дорожек
100 (значение по умолчанию) | положительное целое число

Максимальное количество дорожек, которые блок может обеспечить, заданный как положительное целое число.

`Maximum number of sensors` — Максимальное количество датчиков
20 (значение по умолчанию) | положительное целое число

Максимальное количество датчиков, которые блок может обработать, заданный как положительное целое число. Это значение должно быть больше или быть равно самому высокому SensorIndex значение вводится во входном порту Detections.

`Absolute tolerance between time stamps of detections` — Абсолютный допуск между метками времени обнаружений
20 (значение по умолчанию) | положительное целое число

Абсолютный допуск времени между обнаружениями для того же датчика, заданного как положительная скалярная величина. Блок ожидает, что обнаружения из датчика будут иметь идентичные метки времени. Однако, если различия в метке времени между обнаружениями датчика будут в поле, заданном этим параметром, эти обнаружения будут использоваться, чтобы обновить оценку дорожки на основе среднего времени этих обнаружений.

`Simulate using` — Тип симуляции, чтобы запуститься
`Interpreted Execution` (значение по умолчанию) | `Code Generation`

Interpreted execution — Симулируйте модель с помощью интерпретатора MATLAB. Эта опция сокращает время запуска. В Interpreted execution режим, можно отладить исходный код блока.
Code generation — Симулируйте модель с помощью сгенерированного кода C. В первый раз, когда вы запускаете симуляцию, Simulink генерирует код С для блока. Код С снова используется для последующих симуляций, пока модель не изменяется. Эта опция требует дополнительного времени запуска.

“()” Присвоение

`Threshold for assigning detections to tracks` — Порог для присвоения обнаружений к дорожкам
`30*[1 Inf]` (значение по умолчанию) | положительная скалярная величина | 1 2 вектор положительных значений

Порог для присвоения обнаружений к дорожкам (или пропускание порога), заданный как положительная скалярная величина или 1 2 вектор [C _1,C2], где C ₁ ≤ C ₂. Если задано как скаляр, заданное значение, val, расширено до [val, Inf].

Первоначально, средство отслеживания выполняет крупную оценку для нормированного расстояния между всеми дорожками и обнаружениями. Средство отслеживания только вычисляет точное нормированное расстояние для комбинаций, крупное нормированное расстояние которых меньше C ₂. Кроме того, средство отслеживания может только присвоить обнаружение дорожке, если точное нормированное расстояние между ними меньше C ₁. Смотрите distance функция используется с отслеживанием фильтров (таких как trackingCKF и trackingEKF) для объяснения расчета расстояния.

Советы:

Увеличьте значение C ₂, если существует дорожка и комбинации обнаружения, которые должны быть вычислены для присвоения, но не являются. Уменьшите это значение, если расчет стоимости занимает слишком много времени.
Увеличьте значение C ₁, если существуют обнаружения, которые должны быть присвоены дорожкам, но не являются. Уменьшите это значение, если существуют обнаружения, которые присвоены дорожкам, которым они не должны быть присвоены (слишком далеко).

`Threshold to initialize a track` — Порог, чтобы инициализировать дорожку
0 (значение по умолчанию) | скаляр в области значений [0, 1]

Порог вероятности, чтобы инициализировать новый трек, заданный как скаляр в области значений [0, 1]. Если вероятности соединения обнаружения с какой-либо из существующих дорожек все меньше, чем InitializationThreshold, обнаружение используется, чтобы инициализировать новый трек. Это позволяет обнаружения, которые являются в логическом элементе валидации дорожки, но имеют вероятность ассоциации ниже, чем порог инициализации, чтобы породить новый трек.

Пример: 0.1

`Probability of detection` — Вероятность обнаружения
0.9 (значение по умолчанию) | скаляр в области значений [0, 1]

Вероятность обнаружения, заданного как скаляр в области значений [0, 1]. Это свойство используется в вычислениях крайних апостериорных вероятностей ассоциации и вероятности существования дорожки при инициализации и обновлении дорожки.

`Spatial density of clutter measurements` — Пространственная плотность измерений помехи
`1e-5` (значение по умолчанию) | положительная скалярная величина

Пространственная плотность измерений помехи, заданных как положительная скалярная величина. Плотность помехи описывает ожидаемое количество ложных положительных обнаружений на единичный объем. Это используется в качестве параметра модели помехи Пуассона. Когда Type of track confirmation and deletion logic установлен в 'Integrated', этот параметр также используется в вычислении начальной вероятности существования дорожки.

Логика дорожки

`Type of track confirmation and deletion logic` — Подтверждение и тип логики удаления
`History` (значение по умолчанию) | `Integrated`

Подтверждение и тип логики удаления, выбранный как:

History – Отследите подтверждение, и удаление основано на числе раз, дорожка была присвоена обнаружению в последних обновлениях средства отслеживания.
Integrated – Отследите подтверждение, и удаление основано на вероятности существования дорожки, которое интегрировано в функции присвоения.

`Confirmation threshold [M N]` — Отследите порог подтверждения для логики истории
[2, 3] (значение по умолчанию) | с действительным знаком 1 2 вектор положительных целых чисел

Отследите порог подтверждения для логики истории, заданной как с действительным знаком 1 2 вектор положительных целых чисел [M N]. Дорожка подтверждена, если она получает, по крайней мере, M обнаружения в последнем N обновления.

Зависимости

Чтобы включить этот параметр, установите Type of track confirmation and deletion logic на 'History'.

`Deletion threshold [P Q]` — Отследите порог удаления для логики истории
[5, 5] (значение по умолчанию) | с действительным знаком 1 2 вектор положительных целых чисел

Отследите порог удаления для логики истории, заданной как с действительным знаком 1 2 вектор положительных целых чисел, [P Q]. Дорожка удалена если в последнем Q обновления, это было присвоено меньше, чем P обнаружения.

Зависимости

Чтобы включить этот параметр, установите Type of track confirmation and deletion logic на 'History'.

`Threshold for registering 'hit' or 'miss'` — Порог для регистрации 'Хита' или 'мисс'
0.2 (значение по умолчанию) | скаляр в области значений [0, 1]

Порог для регистрации 'хита' или 'мисс', заданной как скаляр в области значений [0, 1]. Логика истории дорожки указывает 'мисс', и дорожка будет курсироваться, если сумма безусловных вероятностей присвоений будет ниже HitMissThreshold. В противном случае логика истории дорожки указывает 'хит'.

Зависимости

Чтобы включить этот параметр, установите Type of track confirmation and deletion logic на 'History'.

`Confirmation threshold [Probability]` — Отследите порог подтверждения для интегральной логики
0.95 (значение по умолчанию) | положительная скалярная величина

Отследите порог подтверждения для интегральной логики, заданной как положительная скалярная величина с действительным знаком. Дорожка подтверждена, если ее вероятность существования больше или равна порогу подтверждения.

Зависимости

Чтобы включить этот параметр, установите Type of track confirmation and deletion logic на 'Integrated'.

`Deletion threshold [Probability]` — Отследите порог удаления для интегральной логики
0.1 (значение по умолчанию) | положительная скалярная величина

Отследите порог удаления для интегральной логики, заданной как положительная скалярная величина. Дорожка удалена, если ее вероятность существования опускается ниже этого порога.

Зависимости

Чтобы включить этот параметр, установите Type of track confirmation and deletion logic на 'Integrated'.

`Spatial density of new targets` — Пространственная плотность новых целей
`1e-5` (значение по умолчанию) | положительная скалярная величина

Пространственная плотность новых целей, заданных как положительная скалярная величина. Новая целевая плотность описывает ожидаемое количество новых треков на единичный объем на пробеле измерения. Это используется в вычислении вероятности существования дорожки во время инициализации дорожки.

Зависимости

Чтобы включить этот параметр, установите Type of track confirmation and deletion logic на 'Integrated'.

`Time rate of true target deaths` — Уровень времени истинных целевых смертельных случаев
0.01 (значение по умолчанию) | скаляр в области значений [0, 1]

Уровень времени истинных целевых смертельных случаев, заданных как скаляр в области значений [0, 1]. Этот параметр описывает вероятность, с которой исчезают истинные цели. Это связано с распространением вероятности существования дорожки (PTE):

$P T E (t + δ t) = {(1 - D e a t h R a t e)}^{δ t} P T E (t)$

где DeathRate является уровнем времени истинных целевых смертельных случаев, и δt является временным интервалом с предыдущего раза обновления t.

Зависимости

Чтобы включить этот параметр, установите Type of track confirmation and deletion logic на 'Integrated'.

Параметр порта

`Prediction time source` — Источник времени прогноза
`Auto` (значение по умолчанию) | `Input port`

Источник в течение времени прогноза, заданного как Input port или Auto. Выберите Input port вводить время обновления при помощи входного порта Prediction Time. В противном случае часы симуляции, управляемые Simulink, определяют время обновления.

`Enable cost matrix input` — Включите входной порт для матрицы стоимости
от (значения по умолчанию) | на

Установите этот флажок, чтобы включить вход матрицы стоимости при помощи входного порта Cost Matrix.

`Enable detectable track IDs input` — Включите обнаруживаемый вход IDs дорожки
от (значения по умолчанию) | на

Установите этот флажок, чтобы включить входной порт Detectable track IDs .

`Enable tentative tracks output` — Включите выходной порт для предварительных дорожек
от (значения по умолчанию) | на

Установите этот флажок, чтобы включить выход предварительных дорожек через выходной порт Tentative Tracks.

`Enable all tracks output` — Включите выходной порт для всех дорожек
от (значения по умолчанию) | на

Установите этот флажок, чтобы включить выход всех дорожек через выходной порт All Tracks.

`Enable information output` — Включите выходной порт для получения информации об анализе
от (значения по умолчанию) | на

Установите этот флажок, чтобы включить выходной порт для получения информации об анализе через выходной порт Info.

`Source of output bus name` — Источник выхода отслеживает имя шины
`Auto` (значение по умолчанию) | `Property`

Источник выхода отслеживает имя шины, заданное как:

Auto — Блок автоматически создает выходное имя шины дорожки.
Property — Задайте выходное имя шины дорожки при помощи параметра Specify an output bus name.

`Source of output info bus name` — Источник информации о выходе соединяет шиной имя
`Auto` (значение по умолчанию) | `Property`

Источник информации о выходе соединяет шиной имя, заданное как одна из этих опций:

Auto — Блок автоматически создает имя шины информации о выходе.
Property — Задайте имя шины информации о выходе при помощи параметра Specify an output bus name.

Примеры модели

Track Vehicles Using Lidar Data in Simulink

Отследите транспортные средства Используя данные о лидаре в Simulink

Отследите транспортные средства с помощью измерений от датчика лидара, смонтированного сверху автомобиля, оборудованного датчиком. Из-за высоких разрешающих способностей датчика лидара, каждое сканирование от датчика содержит большое количество точек, обычно известных как облако точек. Пример иллюстрирует рабочий процесс в Simulink для обработки облака точек и отслеживания объектов. Данные о лидаре, используемые в этом примере, зарегистрированы от магистрали ведущий сценарий. Вы используете записанные данные, чтобы отследить транспортные средства со средством отслеживания объединенной вероятностной ассоциации данных (JPDA) и подходом взаимодействующей многоуровневой модели (IMM). Пример сопровождает Транспортные средства Дорожки Используя Лидар: От Облака точек до примера Track List MATLAB®.

Открытая модель

Track Closely Spaced Targets Under Ambiguity in Simulink

Отследите близко расположенные цели под неоднозначностью в Simulink

Отслеживаемые объекты в Simulink® с Sensor Fusion and Tracking Toolbox™, когда ассоциация обнаружений датчика к дорожкам неоднозначна. Это сопровождает Отслеживающие Близко расположенные Цели Под примером Ambiguity MATLAB®.

Скрипт Open Live Script

Алгоритмы

развернуть все

Поток логики средства отслеживания

Когда средство отслеживания объединенной вероятностной ассоциации данных (JPDA) обнаружения процессов, создание дорожки и управление выполняет эти шаги:

Средство отслеживания делит обнаружения на несколько групп инициирующим датчиком.
Для каждого датчика:
1. Средство отслеживания вычисляет расстояния от обнаружений до существующих дорожек и формирует costMatrix.
2. Средство отслеживания создает матрицу валидации на основе порога присвоения (или порога логического элемента) существующих дорожек. Матрица валидации является бинарной матрицей, перечисляющей все возможные ассоциации обнаружений к дорожке. Для получения дополнительной информации смотрите Выполнимые Объединенные События.
3. Дорожки и обнаружения затем разделены на кластеры. Кластер может содержать одну дорожку или несколько дорожек, если эти дорожки совместно используют общие обнаружения в своих логических элементах валидации. Логический элемент валидации является пространственным контуром, в котором предсказанное обнаружение дорожки имеет высокую вероятность, чтобы упасть. Для получения дополнительной информации смотрите Выполнимые Объединенные События.
Обновите все кластеры, выполняющие приказ средней метки времени обнаружения в кластере. Для каждого кластера, средства отслеживания:
1. Генерирует все выполнимые объединенные события. Для получения дополнительной информации смотрите jpdaEvents.
2. Вычисляет апостериорную вероятность каждого объединенного события.
3. Вычисляет безусловную вероятность каждой отдельной пары дорожки обнаружения в кластере.
4. Сообщают слабые обнаружения. Слабые обнаружения являются обнаружениями, которые являются в логическом элементе валидации по крайней мере одной дорожки, но имеют ассоциацию вероятности ко всем дорожкам меньше, чем IntitializationThreshold.
5. Обновления отслеживают в кластере с помощью correctjpda.
Неприсвоенные обнаружения (обнаружения не в любом кластере) и слабые обнаружения порождают новые треки.
Средство отслеживания проверяет все дорожки на удаление. Дорожки удалены на основе количества сканирований без ассоциации с помощью 'History' логика или на основе их вероятности существования using'Integrated' логика дорожки.
Все дорожки предсказаны к последней временной стоимости (или вход времени, если обеспечено или последняя средняя кластерная метка времени).

Выполнимые объединенные События

В типичном рабочем процессе для системы слежения средство отслеживания должно определить, может ли обнаружение быть сопоставлено с какой-либо из существующих дорожек. Если средство отслеживания только обеспечивает одну дорожку, присвоение может быть сделано путем оценки логического элемента валидации вокруг предсказанного измерения и решения, находится ли измерение в пределах логического элемента валидации. На пробеле измерения логический элемент валидации является пространственным контуром, таким как 2D эллипс или 3-D эллипсоид, сосредоточенный при предсказанном измерении. Логический элемент валидации задан с помощью информации о вероятности (оценка состояния и ковариация, например) существующей дорожки, такой, что правильные или идеальные обнаружения имеют высокую вероятность (97%-я вероятность, например) нахожения в пределах этого логического элемента валидации.

Однако, если средство отслеживания обеспечивает несколько дорожек, процесс ассоциации данных становится более сложным, потому что одно обнаружение может находиться в пределах логических элементов валидации нескольких дорожек. Например, в следующем рисунке, T дорожек ₁ и T ₂ активно обеспечен в средстве отслеживания, и у каждого из них есть свой собственный логический элемент валидации. Начиная с обнаружения D ₂ находится в пересечении логических элементов валидации и T ₁ и T ₂, две дорожки (T ₁ и T ₂) соединяются и формируют кластер. Кластер является набором связанных дорожек и их связанных обнаружений.

Чтобы представлять отношение ассоциации в кластере, матрица валидации обычно используется. Каждая строка матрицы валидации соответствует обнаружению, в то время как каждый столбец соответствует дорожке. Чтобы составлять возможность каждого обнаружения, являющегося помехой, первый столбец добавляется и обычно называемый "Дорожкой 0" или T ₀. Если обнаружение D_{, i} - в логическом элементе валидации дорожки D _j, то (j, i +1) запись матрицы валидации равняется 1. В противном случае это - нуль. Для показанного на рисунке кластера матрица валидации Ω

$Ω = [\begin{matrix} 110111101 \end{matrix}]$

Обратите внимание на то, что все элементы в первом столбце Ω равняются 1, потому что любое обнаружение может быть помехой или ложным предупреждением. Один важный шаг в логике объединенной вероятностной ассоциации данных (JPDA) должен получить все выполнимые независимые объединенные события в кластере. Два предположения для выполнимых объединенных событий:

Обнаружение не может быть испущено больше чем одной дорожкой.
Дорожка не может быть обнаружена несколько раз датчиком во время одного сканирования.

На основе этих двух предположений могут быть сформулированы выполнимые объединенные события (FJEs). Каждый FJE сопоставлен с матрицей FJE Ω_p из начальной матрицы валидации Ω. Например, с матрицей валидации Ω, восемь матриц FJE могут быть получены:

$\begin{array}{l} Ω_{1} = [\begin{matrix} 100100100 \end{matrix}], Ω_{2} = [\begin{matrix} 010100100 \end{matrix}], Ω_{3} = [\begin{matrix} 100010100 \end{matrix}], Ω_{4} = [\begin{matrix} 100001100 \end{matrix}] \\ Ω_{5} = [\begin{matrix} 010001100 \end{matrix}], Ω_{6} = [\begin{matrix} 100100001 \end{matrix}], Ω_{7} = [\begin{matrix} 010100001 \end{matrix}], Ω_{8} = [\begin{matrix} 100010001 \end{matrix}] \end{array}$

Как прямое следствие этих двух предположений, _Ωp матрицы имеют точно одно "1" значение на строку. Кроме того, за исключением первого столбца, который сопоставляет с помехой, может быть самое большее один "1" для каждого столбца. Когда количество связанных дорожек растет в кластере, количестве увеличений FJE быстро. jpdaEvents функционируйте использует эффективный алгоритм поиска в глубину, чтобы сгенерировать все выполнимые объединенные матрицы события.

Отследите структуру

Поля структуры дорожки:

Поле	Определение
`SourceIndex`	Уникальный исходный индекс раньше отличал источники отслеживания в среде средства отслеживания кратного.
`TrackID`	Уникальный идентификатор дорожки раньше отличал несколько дорожек.
`BranchID`	Уникальный идентификатор ветви дорожки раньше отличал несколько ветвей дорожки.
`UpdateTime`	Время, в которое обновляется дорожка. Модули находятся в секундах.
`Age`	Число раз пережившая дорожка.
`State`	Значение вектора состояния во время обновления.
`StateCovariance`	Ковариационная матрица неопределенности.
`TrackLogic`	Подтверждение и тип логики удаления, возвращенный как `'History'` или `'Integrated'`.
`TrackLogicState`	Текущее состояние типа логики дорожки. На основе логического типа `TrackLogic`, логическое состояние возвращено как: `'History'` – 1 K логическим массивом, где K является количеством последних зарегистрированных логических состояний дорожки. В массиве, 1 обозначает, что хит и 0 обозначает мисс. `'Integrated'` – Неотрицательный скаляр. Скаляр представляет интегрированную вероятность существования дорожки. Значение по умолчанию 0.5.
`IsConfirmed`	Состояние Confirmation. Этим полем является `true` если дорожка подтверждена, чтобы быть действительной целью.
`IsCoasted`	Состояние Coasting. Этим полем является `true` если дорожка обновляется без нового обнаружения.
`IsSelfReported`	Укажите, сообщает ли о дорожке средство отслеживания. Это поле используется в среде сплава дорожки. Это возвращено как `true` по умолчанию.
`ObjectClassID`	Целочисленное значение, представляющее предметную классификацию. Значение `0` представляет неизвестную классификацию. Ненулевые классификации применяются только к подтвержденным дорожкам.
`ObjectAttributes`	Дополнительная информация дорожки.

Расширенные возможности

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

Смотрите также

Документация

Joint Probabilistic Data Association Multi Object Tracker

Описание

Порты

Входной параметр

Detections — Список обнаружений Шина Simulink®, содержащая структуру MATLAB®

Примечание

Prediction Time — Отследите время обновления действительный скаляр

Зависимости

Cost Matrix — Стойте матрицы N с действительным знаком t-by-Nd матрица

Зависимости

Detectable TrackIDs — Обнаруживаемые идентификаторы дорожки M с действительным знаком-by-1 вектор | M с действительным знаком-by-2 матрица

Зависимости

Вывод

Confirmed Tracks — Подтвержденные дорожки Шина Simulink, содержащая структуру MATLAB

Tentative Tracks — Предварительные дорожки Шина Simulink, содержащая структуру MATLAB

Зависимости

All Tracks — Подтвержденные и предварительные дорожки Шина Simulink, содержащая структуру MATLAB

Зависимости

Info — Дополнительная информация для анализа обновлений дорожки Шина Simulink, содержащая структуру MATLAB

Зависимости

Параметры

Управление средством отслеживания

Filter initialization function — Отфильтруйте функцию инициализации @initcvekf (значение по умолчанию) | указатель на функцию | вектор символов

Примечание

Feasible joint events generation function name — Выполнимое объединенное имя функции генерации событий @jpdaEvents (значение по умолчанию) | указатель на функцию | вектор символов

Maximum number of tracks — Максимальное количество дорожек100 (значение по умолчанию) | положительное целое число

Maximum number of sensors — Максимальное количество датчиков20 (значение по умолчанию) | положительное целое число

Absolute tolerance between time stamps of detections — Абсолютный допуск между метками времени обнаружений20 (значение по умолчанию) | положительное целое число

Simulate using — Тип симуляции, чтобы запуститься Interpreted Execution (значение по умолчанию) | Code Generation

“()” Присвоение

Threshold to initialize a track — Порог, чтобы инициализировать дорожку0 (значение по умолчанию) | скаляр в области значений [0, 1]

Probability of detection — Вероятность обнаружения0.9 (значение по умолчанию) | скаляр в области значений [0, 1]

Spatial density of clutter measurements — Пространственная плотность измерений помехи 1e-5 (значение по умолчанию) | положительная скалярная величина

Логика дорожки

Type of track confirmation and deletion logic — Подтверждение и тип логики удаления History (значение по умолчанию) | Integrated

Confirmation threshold [M N] — Отследите порог подтверждения для логики истории[2, 3] (значение по умолчанию) | с действительным знаком 1 2 вектор положительных целых чисел

Зависимости

Deletion threshold [P Q] — Отследите порог удаления для логики истории[5, 5] (значение по умолчанию) | с действительным знаком 1 2 вектор положительных целых чисел

Зависимости

Threshold for registering 'hit' or 'miss' — Порог для регистрации 'Хита' или 'мисс'0.2 (значение по умолчанию) | скаляр в области значений [0, 1]

Зависимости

Confirmation threshold [Probability] — Отследите порог подтверждения для интегральной логики0.95 (значение по умолчанию) | положительная скалярная величина

Зависимости

Deletion threshold [Probability] — Отследите порог удаления для интегральной логики0.1 (значение по умолчанию) | положительная скалярная величина

Зависимости

Spatial density of new targets — Пространственная плотность новых целей 1e-5 (значение по умолчанию) | положительная скалярная величина

Зависимости

Time rate of true target deaths — Уровень времени истинных целевых смертельных случаев0.01 (значение по умолчанию) | скаляр в области значений [0, 1]

Зависимости

Параметр порта

Prediction time source — Источник времени прогноза Auto (значение по умолчанию) | Input port

Enable cost matrix input — Включите входной порт для матрицы стоимости от (значения по умолчанию) | на

Enable detectable track IDs input — Включите обнаруживаемый вход IDs дорожки от (значения по умолчанию) | на

Enable tentative tracks output — Включите выходной порт для предварительных дорожек от (значения по умолчанию) | на

Enable all tracks output — Включите выходной порт для всех дорожек от (значения по умолчанию) | на

Enable information output — Включите выходной порт для получения информации об анализе от (значения по умолчанию) | на

Source of output bus name — Источник выхода отслеживает имя шины Auto (значение по умолчанию) | Property

Source of output info bus name — Источник информации о выходе соединяет шиной имя Auto (значение по умолчанию) | Property

Примеры модели

Отследите транспортные средства Используя данные о лидаре в Simulink

Отследите близко расположенные цели под неоднозначностью в Simulink

Алгоритмы

Поток логики средства отслеживания

Выполнимые объединенные События

Отследите структуру

Расширенные возможности

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

Смотрите также

Блоки

Функции

Объекты

Системные объекты

Темы

Введенный в R2019b

Документация Sensor Fusion and Tracking Toolbox

Поддержка

`Detections` — Список обнаружений
Шина Simulink^®, содержащая структуру MATLAB^®

`Prediction Time` — Отследите время обновления
действительный скаляр

`Cost Matrix` — Стойте матрицы
N с действительным знаком _t-by-Nd матрица

`Detectable TrackIDs` — Обнаруживаемые идентификаторы дорожки
M с действительным знаком-by-1 вектор | M с действительным знаком-by-2 матрица

`Confirmed Tracks` — Подтвержденные дорожки
Шина Simulink, содержащая структуру MATLAB

`Tentative Tracks` — Предварительные дорожки
Шина Simulink, содержащая структуру MATLAB

`All Tracks` — Подтвержденные и предварительные дорожки
Шина Simulink, содержащая структуру MATLAB

`Info` — Дополнительная информация для анализа обновлений дорожки
Шина Simulink, содержащая структуру MATLAB

`Filter initialization function` — Отфильтруйте функцию инициализации
`@initcvekf` (значение по умолчанию) | указатель на функцию | вектор символов

`Feasible joint events generation function name` — Выполнимое объединенное имя функции генерации событий
`@jpdaEvents` (значение по умолчанию) | указатель на функцию | вектор символов

`Maximum number of tracks` — Максимальное количество дорожек
100 (значение по умолчанию) | положительное целое число

`Maximum number of sensors` — Максимальное количество датчиков
20 (значение по умолчанию) | положительное целое число

`Absolute tolerance between time stamps of detections` — Абсолютный допуск между метками времени обнаружений
20 (значение по умолчанию) | положительное целое число

`Simulate using` — Тип симуляции, чтобы запуститься
`Interpreted Execution` (значение по умолчанию) | `Code Generation`

`Threshold to initialize a track` — Порог, чтобы инициализировать дорожку
0 (значение по умолчанию) | скаляр в области значений [0, 1]

`Probability of detection` — Вероятность обнаружения
0.9 (значение по умолчанию) | скаляр в области значений [0, 1]

`Spatial density of clutter measurements` — Пространственная плотность измерений помехи
`1e-5` (значение по умолчанию) | положительная скалярная величина

`Type of track confirmation and deletion logic` — Подтверждение и тип логики удаления
`History` (значение по умолчанию) | `Integrated`

`Confirmation threshold [M N]` — Отследите порог подтверждения для логики истории
[2, 3] (значение по умолчанию) | с действительным знаком 1 2 вектор положительных целых чисел

`Deletion threshold [P Q]` — Отследите порог удаления для логики истории
[5, 5] (значение по умолчанию) | с действительным знаком 1 2 вектор положительных целых чисел

`Threshold for registering 'hit' or 'miss'` — Порог для регистрации 'Хита' или 'мисс'
0.2 (значение по умолчанию) | скаляр в области значений [0, 1]

`Confirmation threshold [Probability]` — Отследите порог подтверждения для интегральной логики
0.95 (значение по умолчанию) | положительная скалярная величина

`Deletion threshold [Probability]` — Отследите порог удаления для интегральной логики
0.1 (значение по умолчанию) | положительная скалярная величина

`Spatial density of new targets` — Пространственная плотность новых целей
`1e-5` (значение по умолчанию) | положительная скалярная величина

`Time rate of true target deaths` — Уровень времени истинных целевых смертельных случаев
0.01 (значение по умолчанию) | скаляр в области значений [0, 1]

`Prediction time source` — Источник времени прогноза
`Auto` (значение по умолчанию) | `Input port`

`Enable cost matrix input` — Включите входной порт для матрицы стоимости
от (значения по умолчанию) | на

`Enable detectable track IDs input` — Включите обнаруживаемый вход IDs дорожки
от (значения по умолчанию) | на

`Enable tentative tracks output` — Включите выходной порт для предварительных дорожек
от (значения по умолчанию) | на

`Enable all tracks output` — Включите выходной порт для всех дорожек
от (значения по умолчанию) | на

`Enable information output` — Включите выходной порт для получения информации об анализе
от (значения по умолчанию) | на

`Source of output bus name` — Источник выхода отслеживает имя шины
`Auto` (значение по умолчанию) | `Property`

`Source of output info bus name` — Источник информации о выходе соединяет шиной имя
`Auto` (значение по умолчанию) | `Property`

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