Exponenta Banner
exponenta event banner

initcagmphd

Создание постоянного ускорения gmphd фильтр

свернуть все на странице

Синтаксис

phd = initcagmphd
phd = initcagmphd (обнаружения)

Описание

phd = initcagmphd инициализирует постоянное ускорение gmphd фильтр с нулевыми компонентами в фильтре.

пример

phd = initcagmphd(detections) инициализирует постоянное ускорение gmphd фильтр на основе информации, предоставленной в обнаружениях объектов, detections. Функция инициализирует состояние постоянного ускорения с тем же соглашением, что и constacc и cameas, [x; vx; топор; y; vy; ай; z; vz; az].

Примечание

Эта функция инициализации несовместима с trackerGNN, trackerJPDA, и trackerTOMHT Системные объекты.

Примеры

свернуть все

Открыть сценарий в реальном времени

Рассмотрим точечную цель, расположенную в [1;2;3]. Создание обнаружения для цели с помощью objectDetection.

detection = objectDetection(0,[1;2;3]);

Инициализация постоянного ускорения gmphd фильтр с помощью initcagmphd.

phd = initcagmphd(detection);

Проиллюстрируйте начальное состояние и настройку степени phd-фильтра.

state = phd.States
state = 9×1

     1
     0
     0
     2
     0
     0
     3
     0
     0


extent = phd.HasExtent
extent = logical
   0
Открыть сценарий в реальном времени

Рассмотрим расширенный объект, расположенный по адресу [1; 2; 3]. Обнаруженные объекты равномерно распределены в направлениях x, y и z с размерами 1,2, 2,3 и 3,5 соответственно. Создание 20 случайно распределенных обнаружений для объекта с помощьюobjectDetection.

detections = cell(20,1);
location = [1;2;3];
dimensions = [1.2;2.3;3.5];
rng(2019);
measurements = location + dimensions.*(-1 + 2*rand(3,20));
for i = 1:20
    detections{i} = objectDetection(0,measurements(:,i)); 
end

Инициализация постоянного ускорения gmphd фильтр с помощью initcagmphd.

phd = initcagmphd(detections);

Исходное состояние фильтра совпадает со средним значением измерений.

state = phd.States
state = 9×1

    1.1034
         0
         0
    2.5597
         0
         0
    2.4861
         0
         0


mean_measure = mean(measurements,2)
mean_measure = 3×1

    1.1034
    2.5597
    2.4861


По умолчанию функция устанавливает HasExtent true, если число измерений больше 1.
extent = phd.HasExtent
extent = logical
   1


Входные аргументы
свернуть все

          
Обнаружения объектов, указанные как массив ячеек objectDetection объекты. Можно создавать detections непосредственно, или вы можете получить detections с выходов объектов датчиков, таких как radarSensor, monostaticRadarSensor, irSensor, и sonarSensor. 

          
Пример: detection = objectDetection(0,[1;4.5;3],'MeasurementNoise',[1.0 0 0; 0 2.0 0; 0 0 1.5])

        
Выходные аргументы
свернуть все

          
Гауссова смесь PHD фильтр, возвращенный как gmphd объект.

        
Алгоритмы

      


  • Вы можете использовать initcagmphd в качестве FilterInitializationFcn имущество trackingSensorConfiguration.
  • При вводе обнаружений функция добавляет к плотности один компонент, который отражает среднее значение обнаружений. При вызове функции без входных данных инициализируется фильтр без компонентов плотности.
  • Функция использует разброс измерений для задания позиционной ковариации.
  • Функция конфигурирует шум процесса фильтра, предполагая стандартное отклонение единицы для скорости изменения ускорения.
  • Функция задает максимум 500 компонентов в фильтре.
  • Функция устанавливает HasExtent свойства фильтра для true если число обнаружений на входе больше единицы.


    
Расширенные возможности
Создание кода C/C + +
 Создайте код C и C++ с помощью MATLAB ® Coder™
.
См. также
 |  |  | 
Представлен в R2019b

    




























Документация по комплекту инструментов для слияния и отслеживания датчиков





Поддержка