Расстояния между текущими и предсказанными измерениями отслеживания фильтра
вычисляет нормированные расстояния между одним или несколькими текущими объектными измерениями, dist
= distance(filter
,zmeas
)zmeas
, и соответствующие предсказанные измерения вычисляются входом filter
. Используйте эту функцию, чтобы присвоить измерения дорожкам.
Этот расчет расстояния учитывает ковариацию предсказанного состояния и шума измерения.
задает дополнительные параметры, которые используются dist
= distance(filter
,zmeas
,measparams
)MeasurementFcn
из фильтра.
Если фильтром является trackingKF
или trackingABF
объект, затем вы не можете использовать этот синтаксис.
distance
функция вычисляет нормированное расстояние между объектом фильтра и набором измерений. Этот расчет расстояния является вариантом расстояния Mahalanobis и учитывает невязку (различие между объектным измерением и значением, предсказанным фильтром), остаточная ковариация и шум измерения.
Считайте расширенный Фильтр Калмана с x состояния и измерением z. Уравнения использовались для расчета невязки, z res, и остаточная ковариация, S,
z res = z – h (x),
S = R + HPHT,
где:
h является функцией, определяемой измерения в MeasurementFcn
свойство фильтра.
R является ковариацией шума измерения, заданной в MeasurementNoise
свойство фильтра.
H является якобианом функции, определяемой измерения в MeasurementJacobianFcn
свойство фильтра.
Остаточное вычисление ковариации для других фильтров может варьироваться немного от один показанный, потому что отслеживающие фильтры имеют различные способы распространить ковариацию к пробелу измерения. Например, вместо того, чтобы использовать якобиан функции измерения, чтобы распространить ковариацию, сигма-точечные фильтры Калмана производят ковариацию, и затем распространяют произведенные точки.
Уравнение для расстояния Mahalanobis, d 2,
d 2 = z resTS–1z,
Функция расстояния вычисляет нормированное расстояние, d n, как
d n = d 2 + журнал (|S |),
где журнал (|S |) является логарифмом определителя остаточной ковариации S.
Журнал (|S |) термин составляет дорожки, которые являются coasted, означая, что они предсказаны, но не имели обновления в течение долгого времени. Дорожки в этом состоянии могут сделать S очень большим, приведя к меньшему расстоянию Mahalanobis относительно обновленных дорожек. Это различие в значениях расстояния может заставить курсировавшие дорожки неправильно брать обнаружения из обновленных дорожек. Журнал (|S |) термин компенсирует этот эффект путем наложения штрафа на такие дорожки, предсказания которых очень сомнительны.
clone
| correct
| correctjpda
| initialize
| likelihood
| predict
| residual