exponenta event banner

initctpf

Создание фильтра частиц с постоянной скоростью поворота из отчета об обнаружении

Описание

пример

pf = initctpf(detection) инициализирует фильтр частиц с постоянной скоростью поворота для отслеживания объектов на основе информации, предоставленной в objectDetection объект, detection.

Функция инициализирует состояние постоянной скорости поворота с тем же соглашением, что и constturn и ctmeas, [x; vx; y; vy; ω; z; vz], где λ - скорость поворота.

Примеры

свернуть все

Создание объекта фильтра с постоянной скоростью поворота для отслеживания частиц, trackingPF, из первоначального отчета об обнаружении. Отчет об обнаружении выполнен из измерения исходного положения 3-D состояния фильтра частиц в прямоугольных координатах. Измерение положения 3-D можно получить с помощью функции измерения постоянной скорости поворота. ctmeas.

В этом примере используются координаты, x = 1, y = 3, z = 0 и шум измерения положения 3-D [1 0.2 0; 0.2 2 0; 0 0 1].

detection = objectDetection(0, [1;3;0], 'MeasurementNoise', [1 0.2 0; 0.2 2 0; 0 0 1]);

Использовать initctpf для создания trackingPF фильтр, инициализированный в заданном положении и использующий измерительный шум, определенный выше.

pf = initctpf(detection)
pf = 
  trackingPF with properties:

                       State: [7⨯1 double]
             StateCovariance: [7⨯7 double]
     IsStateVariableCircular: [0 0 0 0 0 0 0]

          StateTransitionFcn: @constturn
     ProcessNoiseSamplingFcn: []
                ProcessNoise: [4x4 double]
     HasAdditiveProcessNoise: 0

              MeasurementFcn: @ctmeas
    MeasurementLikelihoodFcn: []
            MeasurementNoise: [3x3 double]

                   Particles: [7x1000 double]
                     Weights: [1x1000 double]
            ResamplingPolicy: [1x1 trackingResamplingPolicy]
            ResamplingMethod: 'multinomial'

Проверьте значения состояния и шума измерений. Проверьте состояние фильтра, pf.State, имеет приблизительно те же компоненты положения, что и измерение обнаружения, detection.Measurement.

pf.State
ans = 7×1

    0.9674
    0.3690
    3.0471
    0.2733
    0.3056
   -0.0590
    0.0382

Проверьте, что фильтр измеряет шум, pf.MeasurementNoise, совпадает с detection.MeasurementNoise значения.

pf.MeasurementNoise
ans = 3×3

    1.0000    0.2000         0
    0.2000    2.0000         0
         0         0    1.0000

Создание объекта фильтра с постоянной скоростью поворота для отслеживания частиц, trackingPF, из первоначального отчета об обнаружении. Отчет об обнаружении выполнен из начального измерения положения 3-D состояния фильтра частиц в сферических координатах. Измерение положения 3D можно получить с помощью функции измерения постоянной скорости поворота. ctmeas.

В этом примере используются координаты az = 30, e1 = 5, r = 100, rr = 4 и шум измерения diag([2.5, 2.5, 0.5, 1].^2).

meas = [30;5;100;4];
measNoise = diag([2.5, 2.5, 0.5, 1].^2);

Используйте MeasurementParameters имущества detection объект для определения кадра. Если не определено, поля MeasurementParameters struct использует значения по умолчанию. В этом примере по умолчанию используются флаги положения датчика, скорости, ориентации, высоты и дальности.

measParams = struct('Frame','spherical');
detection = objectDetection(0,meas,'MeasurementNoise',measNoise,...
    'MeasurementParameters',measParams) 
detection = 
  objectDetection with properties:

                     Time: 0
              Measurement: [4x1 double]
         MeasurementNoise: [4x4 double]
              SensorIndex: 1
            ObjectClassID: 0
    MeasurementParameters: [1x1 struct]
         ObjectAttributes: {}

Использовать initctpf для создания trackingPF фильтр, инициализированный в заданном положении и использующий измерительный шум, определенный выше.

pf = initctpf(detection)
pf = 
  trackingPF with properties:

                       State: [7⨯1 double]
             StateCovariance: [7⨯7 double]
     IsStateVariableCircular: [0 0 0 0 0 0 0]

          StateTransitionFcn: @constturn
     ProcessNoiseSamplingFcn: []
                ProcessNoise: [4x4 double]
     HasAdditiveProcessNoise: 0

              MeasurementFcn: @ctmeas
    MeasurementLikelihoodFcn: []
            MeasurementNoise: [4x4 double]

                   Particles: [7x1000 double]
                     Weights: [1x1000 double]
            ResamplingPolicy: [1x1 trackingResamplingPolicy]
            ResamplingMethod: 'multinomial'

Убедитесь, что состояние фильтра дает приблизительно то же измерение, что и detection.Measurement.

meas2 = ctmeas(pf.State, detection.MeasurementParameters)
meas2 = 4×1

   29.9188
    5.0976
   99.8303
    4.0255

Входные аргументы

свернуть все

Отчет об обнаружении, указанный как objectDetection объект.

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

Фильтр частиц с постоянной скоростью поворота для отслеживания объектов, возвращаемый как trackingPF объект.

Алгоритмы

  • Функция настраивает фильтр с 1000 частицами. При создании фильтра функция вычисляет матрицу шума процесса, предполагая стандартное отклонение единичного ускорения и стандартное отклонение единичного углового ускорения.

  • Эту функцию можно использовать в качестве FilterInitializationFcn имущество trackerTOMHT и trackerGNN Системные объекты.

Расширенные возможности

Создание кода C/C + +
Создайте код C и C++ с помощью MATLAB ® Coder™

.
Представлен в R2018b