Прогнозирование динамической карты на метку времени
map = predictMapToTime(tracker,time)tracker спрогнозировано до указанного time.
Примечание
Эта функция выводит только предсказанную карту и изменяет результаты при вызове метода step tracker. Используйте эти три настраиваемых свойства (FreeSpaceDiscountFactor, DeathRate, и ProcessNoise) tracker для контроля того, как неопределенности влияют на прогнозирование карты.
___ = predictMapToTime(___,'WithStateAndCovariance', дополнительно указывает, предсказывает ли функция состояние и ковариацию состояния карты. Если tf)tf указывается как false, предсказываются только свидетельства и заполненность карты. Состояние, ковариация состояния и классификация ячейки как статической или динамической не прогнозируются. Определение tf как false позволяет быстрее прогнозировать заполняемость среды.
trackerGridRFSСоздайте сценарий отслеживания.
rng(2021);% For reproducible results scene = trackingScenario('UpdateRate',5,'StopTime',15);
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); xStart = 50*(2*rand-1); xFinal = 50*(2*rand-1); yStart = 50*(2*rand-1); yFinal = 50*(2*rand-1); target.Trajectory = waypointTrajectory([xStart yStart 0;xFinal yFinal 0],[0 15]); 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) 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); end
Показать окончательную карту.
figure show(map)
Сделайте несколько предположений, прежде чем предсказывать карту.
% Assume free space remains free during prediction f = tracker.FreeSpaceDiscountFactor; tracker.FreeSpaceDiscountFactor = 1; % Assume no targets die during prediction d = tracker.DeathRate; tracker.DeathRate = 0; % Assume no process noise during prediction q = tracker.ProcessNoise; tracker.ProcessNoise = zeros(size(q));
Спрогнозировать карту на 1 секунду вперед и показать предсказанную карту.
figure predictedMap = predictMapToTime(tracker,16)
predictedMap =
dynamicEvidentialGridMap with properties:
NumStateVariables: 4
MotionModel: 'constant-velocity'
GridLength: 100
GridWidth: 100
GridResolution: 1
GridOriginInLocal: [-50 -50]
show(predictedMap)
Восстановление значений свойств для трекера.
tracker.FreeSpaceDiscountFactor = f; tracker.DeathRate = d; tracker.ProcessNoise = q;