Введение

Синтетический радар и данные о видении помогают нам в оценке целевых алгоритмов отслеживания. Этот пример, в основном, фокусируется на способностях к отслеживанию trackerGNN и trackerJPDA в Simulink.

Setup и обзор модели

Настройка этого примера совпадает с настройкой Fusion Датчика Используя Синтетические Данные о Радаре и Видении в Simulink (Automated Driving Toolbox) пример, за исключением того, что симулированные обнаружения конкатенированы как вход к Trackers блок.

Средства отслеживания

Trackers блок является различной подсистемой, которую можно использовать, чтобы переключиться между средством отслеживания GNN и средством отслеживания JPDA.

Первый вариант блока Trackers, trackerGNN, принимает постоянную скоростную модель движения и расширенный Фильтр Калмана путем установки функции инициализации Фильтра как initcvekf по умолчанию.

Со средством отслеживания GNN можно выбрать собственный индивидуально настраиваемый фильтр, который соответствует движению симулированных объектов. Можно выбрать алгоритм присвоения среди MatchPairs, Munkres, Jonker-Volgenant, Аукциона и собственного индивидуально настраиваемого алгоритма присвоения. Можно также задать логику обслуживания дорожки как History или Score.

Второй вариант блока Trackers, trackerJPDA, также принимает постоянную скоростную модель движения и расширенный Фильтр Калмана функцией инициализации фильтра по умолчанию initcvekf.

С trackerJPDA, можно настроить собственную функцию инициализации фильтра и выбрать между History и Integrated логика дорожки.

Можно выбрать предпочтительную подсистему путем устанавливания значения условной переменной Tracker в базовом рабочем пространстве. Следующая таблица показывает Tracker значения, соответствующие их настройкам.

Можно также использовать Редактирование и Управлять Переменными Рабочей области при помощи Model Explorer (Simulink), чтобы изменить значение Tracker.

Отследите метрики

Метрики Дорожки реализованы с помощью блока MATLAB System (Simulink). Код для блока задан классом помощника, HelperTrackMetrics.

Результаты

Чтобы визуализировать результаты, используйте Bird ' s-Eye Scope. Bird ' s-Eye Scope является инструментом визуализации уровня модели с помощью меню, предоставленного на панели инструментов модели Simulink. После открытия осциллографа нажмите Find Signals, чтобы настроить сигналы. Затем запустите симуляцию, чтобы отобразить агентов, видение и радарные обнаружения, дорожки и дорожные контуры. Следующее изображение показывает видимый с большого расстояния осциллограф для этого примера.

В Simulink можно запустить этот пример 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 симулирует блок с помощью подмножества кода MATLAB, поддержанного для генерации кода, которая позволяет лучшую эффективность, чем интерпретированное выполнение.

После выполнения модели можно визуализировать результаты на фигурах ниже.

Вышеупомянутый рисунок показывает результаты отслеживания с помощью синтетического радара и данных о видении с trackerGNN. Вы видите, что средство отслеживания обеспечило дорожки в области отслеживания.

Вышеупомянутый рисунок показывает результаты отслеживания с помощью синтетического радара и данных о видении с trackerJPDA. Вы видите, что средство отслеживания обеспечило дорожки в области отслеживания, и эффективность отслеживания лучше, чем тот из trackerGNN как существует меньше ложных сгенерированных дорожек.

Оцените эффективность отслеживания

Можно использовать Track Metrics блокируйтесь, чтобы оценить эффективность отслеживания каждого средства отслеживания с помощью количественных метрик. В этом примере вы просматриваете количество целевых дорожек, количество избыточных дорожек и количество ложных дорожек. Целевая дорожка является дорожкой, которая сопоставлена с уникальными целями. Избыточная дорожка является дорожкой, которая сопоставлена с объектом основной истины, который был сопоставлен к другой дорожке. Ложная дорожка является дорожкой, которая не сопоставлена ни с какими объектами основной истины. Ниже первой фигуры показывает результаты эффективности отслеживания средства отслеживания GNN, и второй рисунок показывает результаты средства отслеживания JPDA.

Метрики присвоения иллюстрируют, что две избыточных дорожки были инициализированы и подтверждены trackerGNN тогда как trackerJPDA не создает избыточных дорожек. Избыточные дорожки были сгенерированы из-за несовершенной кластеризации, где обнаружения, принадлежащие той же цели, кластеризировались больше чем в один кластер. Кроме того, trackerGNN созданный и подтвержденный три лжи отслеживает тогда как trackerJPDA подтвержденный только одна ложная дорожка. Эти метрики показывают тот trackerJPDA обеспечивает лучшую эффективность отслеживания, чем trackerGNN.

Сводные данные

В этом примере показано, как сгенерировать сценарий, симулируйте обнаружения датчика и используйте эти обнаружения, чтобы отследить движущиеся транспортные средства вокруг автомобиля, оборудованного датчиком с помощью trackerGNN и trackerJPDA блоки в Simulink. Вы также видели простоту обмена между этими двумя средствами отслеживания, гибкостью настройки этих средств отслеживания, чтобы удовлетворить вашим собственным целевым требованиям отслеживания и способности оценить результаты отслеживания с помощью метрик дорожки.