Введение

Датчики сообщают об одном обнаружении для нескольких целей, когда цели так близко расположены, что датчики не могут разрешить их пространственно. Этот пример иллюстрирует рабочий процесс для отслеживания целей под такой неоднозначностью с помощью глобального самого близкого соседа (GNN), объединенной вероятностной ассоциации данных (JPDA) и ориентированных на дорожку нескольких-гипотез (TOMHT) средства отслеживания.

Setup и обзор модели

До выполнения этого примера сценарий был сгенерирован как описано в Отслеживании Близко расположенных Целей Под Неоднозначностью. Обнаружение и данные времени из этого сценария были затем сохранены в файл сценария CloselySpacedData.mat.

DataLogReader

Блок DataLogReader реализован как блок MATLAB System. Код для блока задан классом помощника, HelperDataLogReader. Блок считывает записанные данные из файла CloselySpacedData.mat и выводит обнаружение и время для каждой метки времени.

Средства отслеживания

Блок Trackers является различным блоком подсистемы, который имеет шесть подсистем, заданных внутренне. Каждая подсистема состоит из одного из этих трех средств отслеживания и одной из двух моделей движения.

Первая модель движения является постоянной скоростной моделью с расширенным фильтром Калмана. helperCVFilter функция изменяет фильтр initcvekf возвращается, чтобы допускать более высокую неопределенность в скоростных условиях и более высокое горизонтальное ускорение в шуме процесса.

Второй фильтр, который вы используете, является фильтром взаимодействующей многоуровневой модели (IMM), который позволяет вам задавать две или больше модели движения для целей. Фильтр автоматически обновляет вероятность каждого движения, основанного на модели на дать измерениях, и оценивает целевое состояние и неопределенность на основе этих моделей и вероятностей. В этом примере цели переключаются между прямыми участками в постоянном скоростном движении и участками постоянной угловой скорости вращения. Поэтому вы задаете фильтр IMM с постоянной скоростной моделью и постоянной моделью угловой скорости вращения использование helperIMMFilter функция.

Можно запустить различные настройки путем изменения значения Tracker в рабочей области как показано в вышеупомянутой таблице. Можно также использовать Редактирование и Управлять Переменными Рабочей области при помощи Model Explorer (Simulink) как показано ниже, чтобы изменить значение Tracker.

TrackAssignmentMetrics

TrackAssignmentMetrics реализован с помощью блока MATLAB System. Код для блока задан классом помощника, HelperTrackAssignmentMetrics.

Визуализация

Блок визуализации реализован с помощью блока MATLAB System. Код для блока задан классом помощника, HelperDetectionAndTrackDisplay.

Обнаружения и объекты шины дорожек

Блок подсистемы варианта средств отслеживания получает обнаружения как объект шины с временными стоимостями и выводит дорожки как объект шины с блоком визуализации. Можно визуализировать структуру каждой шины с помощью Редактора Шины. Следующие изображения показывают структуру шины для обнаружений и дорожек.

Шина обнаружений

detectionBus выводит вложенный объект шины с 2 элементами, NumDetections и Detections.

Первый элемент Detections объект шины фиксированного размера, представляющий все обнаружения. Второй элемент, NumDetections, представляет количество обнаружений. Структура шины похожа на objectDetection класс.

Шина дорожек

Шина дорожки похожа на шину обнаружений. Шина дорожки является вложенной шиной, где NumTracks задает количество дорожек в шине и Tracks задайте фиксированный размер дорожек. Размером дорожек управляют параметры блоков Maximum number of tracks. Фигура ниже показов настройка дорожек соединяет шиной объект для trackerGNN. Настройка дорожек соединяет шиной объект для trackerJPDA и trackerTOMHT подобно.

Второй элемент Tracks объект шины, заданный trackBus_GNNTracks для trackerGNN настройки. Эта шина автоматически создается блоком средства отслеживания с помощью имени шины, заданного как префикс. Структура шины похожа на objectTrack класс.

Результаты

Настройка средства отслеживания в блоке подсистемы варианта Trackers похожа на ту из Отслеживающих Близко расположенных Целей Под примером Ambiguity MATLAB®.

Можно запустить trackerGNN, trackerJPDA, и trackerTOMHT блоки в моделях Simulink® через интерпретированное выполнение или генерацию кода. С интерпретированным выполнением модель симулирует блок с помощью механизма выполнения MATLAB®, который позволяет более быстрое время запуска, но более длительное время выполнения. С генерацией кода модель использует подмножество кода MATLAB, поддержанного для генерации кода, которая позволяет лучшую производительность, чем интерпретированное выполнение.

После выполнения модели можно визуализировать результаты на фигурах.

Вышеупомянутые результаты достигаются от первой настройки где Tracker = 1 в рабочем пространстве MATLAB. Эти результаты показывают, что существует два объекта истины. Однако средство отслеживания генерирует три подтвержденных дорожки, и одна из дорожек не выжила до конца сценария. В конце сценария средство отслеживания сопоставляет объект истины 1 с дорожкой 8. Средство отслеживания создало дорожку 8 через сценарий после понижающейся дорожки 2. Средство отслеживания присвоило объект истины 2, чтобы отследить 1 в конце сценария после того, как было два, отслеживают перерывы в истории отслеживания.

Вышеупомянутые результаты достигаются от второй настройки где Tracker = 2 в рабочем пространстве MATLAB. Фильтр IMM позволяет trackerGNN отследить маневрирующую цель правильно. Заметьте, что истина возражает 1, имеет нулевые пропуски из-за непрерывной истории ее связанной дорожки.

Однако даже с фильтром IMM, одна из дорожек прерывает область неоднозначности. trackerGNN получает только одно обнаружение в той области неоднозначности, и поэтому может обновить только одну из дорожек с ним. После нескольких обновлений счет курсировавшей дорожки падает ниже порога удаления, и средство отслеживания пропускает дорожку.

Вышеупомянутые результаты достигаются от третьей настройки где Tracker = 3 в рабочем пространстве MATLAB. Можно заметить, что trackerJPDA обеспечивает обоих дорожки, подтвержденные в области неоднозначности. Однако между двумя дорожками существует подкачка.

Вышеупомянутые результаты достигаются от четвертой настройки где Tracker = 4 в рабочем пространстве MATLAB. Можно заметить, что trackerJPDA с фильтром IMM отслеживает маневрирующие цели более точно и не повредил или потерял след даже во время поворотов.

Затем пятая настройка используется с trackerTOMHT и постоянная скоростная модель установкой Tracker = 5 в рабочем пространстве MATLAB. Можно заметить, что результат trackerTOMHT похож на тот, полученный trackerJPDA: это обеспечивает дорожки через область неоднозначности, но надежда только на постоянную скоростную модель заставляет дорожки подкачивать.

Наконец, мы используем trackerTOMHT и IMM фильтруют установкой Tracker = 6 в рабочем пространстве MATLAB. На этот раз trackerTOMHT с фильтром IMM отслеживает маневрирующие цели более точно и не повредил или потерял след даже во время поворотов. Однако время выполнения для trackerTOMHT значительно более длинно, чем использование trackerJPDA.

Сводные данные

В этом примере вы изучили, как отследить близко расположенные цели с помощью трех типов средств отслеживания: глобальный самый близкий сосед, соедините вероятностную ассоциацию данных, и ориентированный на дорожку на несколько гипотеза. Вы видели, как использовать различную подсистему в Simulink, чтобы выбрать который средство отслеживания и фильтр, чтобы запуститься. Вы также изучили, как можно использовать и сконфигурировать trackerGNN, trackerJPDA, и trackerTOMHT Блоки Simulink для отслеживания маневрирующих целей.

Вы заметили, что постоянный скоростной фильтр недостаточен при отслеживании целей во время их маневра. В этом случае взаимодействующий фильтр многоуровневой модели требуется. Вы также заметили, что JPDA и средства отслеживания TOMHT могут более точно обработать случай неоднозначной ассоциации обнаружений к дорожкам по сравнению со средством отслеживания GNN.