partitionDetections
Обнаружения раздела на основе расстояния Mahalanobis
Синтаксис
Описание
Используя несколько порогов расстояния, функция разделяет обнаружения на различные ячейки обнаружения на основе их относительных расстояний Mahalanobis и сообщает обо всех возможных разделах. Раздел набора обнаружений задан как деление этих обнаружений в непустые взаимоисключающие ячейки обнаружения. Ячейка обнаружения является группой обнаружений, расстояние которых, по крайней мере, до еще одного обнаружения в ячейке меньше порога расстояния. Другими словами, два обнаружения принадлежат той же ячейке обнаружения, если их расстояние меньше порога расстояния.
partitions = partitionDetections(detections)partitions от detections, использование алгоритма разделения расстояния. По умолчанию функция считает все действительное значение порогами расстояния Mahalanobis между 0,5 и 6.25.
partitions = partitionDetections(detections,tLower,tUpper)tLower и tUpper.
partitions = partitionDetections(detections,tLower,tUpper,'MaxNumPartitions',maxNumber)maxNumber, в дополнение к нижним и верхним границам порогов расстояния, tLower и tUpper.
partitions = partitionDetections(detections,allThresholds)
Примеры
Сгенерируйте раздел от обнаружения объектов
Сгенерируйте 2D обнаружения с помощью objectDetection.
rng(2018); % For reproducible results detections = cell(10,1); for i = 1:numel(detections) id = randi([1 5]); detections{i} = objectDetection(0,[id;id] + 0.1*randn(2,1)); detections{i}.MeasurementNoise = 0.01*eye(2); end
Извлеките и отобразите сгенерированные измерения положения.
d = [detections{:}];
measurements = [d.Measurement];
figure()
plot(measurements(1,:),measurements(2,:),'x','MarkerSize',10,'MarkerEdgeColor','b')
title('Measurements')
xlabel('x')
ylabel('y')
Сгенерируйте разделы от обнаружений и считайте количество разделов.
partitions = partitionDetections(detections); numPartitions = size(partitions,2);
Визуализируйте разделы. Каждый цвет представляет ячейку обнаружения.
figure() for i = 1:numPartitions numCells = max(partitions(:,i)); subplot(3,2,i); for k = 1:numCells ids = partitions(:,i) == k; plot(measurements(1,ids),measurements(2,ids),'.','MarkerSize',15); hold on; end title(['Partition ',num2str(i),' (',num2str(k),' Detection cells)']); end
Входные параметры
Выходные аргументы
Ссылки
[1] Granstorm, K., К. Ландкуист и О. Оргунер. "Расширенное целевое отслеживание с помощью фильтра Gaussian-mixture PHD". Транзакции IEEE на Космических и Электронных системах. Издание 48, Номер 4, 2012, стр 3268–3286.