Вывод динамической карты сетки из trackerGridRFS
dynamicEvidentialGridMap объект представляет оценку динамической карты, полученную из трекера на основе сетки, trackerGridRFS. Можно визуализировать динамическую карту и получить оценочные значения с помощью функций объекта dynamicEvidentialGridMap. dynamicEvidentialGridMap объект является объектом-дескриптором.
Можно создать dynamicEvidentialGridMap объект с использованием trackerGridRFS объект. См. синтаксис использования trackerGridRFS и Получение оценочных значений на уровне сетки с использованием dynamicEvidentialGridMap пример для получения подробной информации.
getEvidences | Получение расчетной заполняемости и бесплатных доказательств |
getOccupancy | Получение оценочных вероятностей занятости |
getState | Получение полного оценочного состояния и связанной с ним неопределенности |
getVelocity | Получение расчетной скорости и связанной с ней неопределенности |
show | Визуализация динамической карты доказательной сетки |
dynamicEvidentialGridMapСоздайте сценарий отслеживания.
rng(2021);% For reproducible results scene = trackingScenario('UpdateRate',5,'StopTime',5);
Добавьте платформу. Установите лидарный датчик на платформу.
plat = platform(scene); lidar = monostaticLidarSensor(1,'DetectionCoordinates','Body');
Добавьте две цели и определите их положение, скорость, ориентацию, размер и сетки.
for i = 1:2 target = platform(scene); x = 50*(2*rand-1); y = 50*(2*rand-1); vx = 5*(2*rand-1); vy = 5*(2*rand-1); target.Trajectory.Position = [x y 0]; target.Trajectory.Velocity = [vx vy 0]; target.Trajectory.Orientation = quaternion([atan2d(vy,vx),0,0],'eulerd','ZYX','frame'); target.Mesh = extendedObjectMesh('sphere'); target.Dimensions = struct('Length',4, ... 'Width',4, ... 'Height',2, ... 'OriginOffset',[0 0 0]); end
Определите конфигурацию датчика.
config = trackingSensorConfiguration(1, ... 'SensorLimits',[-180 180;0 100], ... 'SensorTransformParameters',struct, ... 'IsValidTime',true);
Создайте трекер на основе сетки.
tracker = trackerGridRFS('SensorConfigurations',config, ... 'AssignmentThreshold',5, ... 'MinNumCellsPerCluster',4, ... 'ClusteringThreshold',3);
Выполните предварительный сценарий и запустите трекер на основе данных лидара.
while advance(scene) % Current time time = scene.SimulationTime; % Generate point cloud tgtMeshes = targetMeshes(plat); [ptCloud, config] = lidar(tgtMeshes, time); % Format the data for the tracker sensorData = struct('Time',time, ... 'SensorIndex',1, ... 'Measurement',ptCloud', ... 'MeasurementParameters',struct ... ); % Call tracker using sensorData to obtain the map in addition % to tracks [tracks, ~, ~, map] = tracker(sensorData,time); % Obtain the estimated occupancy probability of each cell P_occ = getOccupancy(map); % Obtain the estimated evidences for each cell [m_occ, m_free] = getEvidences(map); % Obtain the estimated velocity for each cell [v, Pv] = getVelocity(map); % Obtain the estimated state for each cell [x, P] = getState(map); % Show the map show(map,'InvertColors',true) end
