Слияние ковариации с использованием перекрестной ковариации
[ предохраняет состояния дорожки в fusedState,fusedCov] = fusexcov(trackState,trackCov)trackState и соответствующие им ковариационные матрицы trackCov. Функция оценивает слитое состояние и ковариацию в байесовской структуре, в которой взаимная корреляция между дорожками неизвестна.
[ задает коэффициент перекрестной ковариации для эффективного коэффициента корреляции при вычислении перекрестной ковариации.fusedState,fusedCov] = fusexcov(trackState,trackCov,crossCovFactor)
Определите вектор состояния дорожек.
x(:,1) = [1;2;0]; x(:,2) = [2;2;0]; x(:,3) = [2;3;0];
Определите ковариационные матрицы дорожек.
p(:,:,1) = [10 5 0; 5 10 0;0 0 1]; p(:,:,2) = [10 -5 0; -5 10 0;0 0 1]; p(:,:,3) = [12 9 0; 9 12 0;0 0 1];
Оцените вектор слитого состояния и его ковариацию.
[fusedState,fusedCov] = fusexcov(x,p);
Использовать trackPlotter для построения графика результатов.
tPlotter = theaterPlot('XLim',[-10 10],'YLim',[-10 10],'ZLim',[-10 10]); tPlotter1 = trackPlotter(tPlotter, ... 'DisplayName','Input Tracks','MarkerEdgeColor',[0.000 0.447 0.741]); tPlotter2 = trackPlotter(tPlotter, ... 'DisplayName','Fused Track','MarkerEdgeColor',[0.850 0.325 0.098]); plotTrack(tPlotter1,x',p) plotTrack(tPlotter2, fusedState', fusedCov) title('Cross-Covariance Fusion')
Определите вектор состояния дорожек.
x(:,1) = [1;2;0]; x(:,2) = [2;2;0]; x(:,3) = [2;3;0];
Определите ковариационные матрицы дорожек.
p(:,:,1) = [10 5 0; 5 10 0;0 0 1]; p(:,:,2) = [10 -5 0; -5 10 0;0 0 1]; p(:,:,3) = [12 9 0; 9 12 0;0 0 1];
Оцените вектор слитого состояния и его ковариацию. Укажите коэффициент перекрестной ковариации 0.5.
[fusedState,fusedCov] = fusexcov(x,p,0.5);
Использовать trackPlotter для построения графика результатов.
tPlotter = theaterPlot('XLim',[-10 10],'YLim',[-10 10],'ZLim',[-10 10]); tPlotter1 = trackPlotter(tPlotter, ... 'DisplayName','Input Tracks','MarkerEdgeColor',[0.000 0.447 0.741]); tPlotter2 = trackPlotter(tPlotter, ... 'DisplayName','Fused Track','MarkerEdgeColor',[0.850 0.325 0.098]); plotTrack(tPlotter1,x',p) plotTrack(tPlotter2, fusedState', fusedCov) title('Cross-Covariance Fusion')
[1] Бар-Шалом, Яаков и Сяо-Жун Ли. Многозначное многосенсорное отслеживание: принципы и методы. Том 19. Сторрз, КТ: YB, 1995.
[2] Вэн, Чжиюань и Петар М. Джурич. «Байесовский подход к оценке ковариации и слиянию данных». В 2012 году Материалы 20-й Европейской конференции по обработке сигналов, стр. 2352-2356. IEEE, 2012.
[3] Матцка, Стефан и Ричард Альтендорфер. «Сравнение алгоритмов слияния дорожек и дорожек для слияния автомобильных сенсоров». В документе Multisensor Fusion and Integration for Intelligent Systems, стр. 69-81. Спрингер, Берлин, Гейдельберг, 2009.