Мультисенсорный, многообъектный PHD-трекер
trackerPHD Система object™ представляет собой трекер, способный обрабатывать обнаружения множества целей от множества датчиков. Трекер использует фильтр плотности гипотез о множественной вероятности (PHD) для оценки состояний точечных целей и расширенных объектов. PHD - это функция, определяемая по состоянию-пространству системы слежения, и ее значение в состоянии определяется как ожидаемое количество целей на единицу объема состояния-пространства. PHD представлен взвешенным суммированием (смесью) функций плотности вероятности, а пики в PHD соответствуют возможным целям. Обзор функционирования трекера см. в разделе Алгоритмы.
По умолчанию trackerPHD может отслеживать расширенные объекты с помощью ggiwphd фильтр, моделирующий обнаружения из расширенного объекта в виде облака точек синтаксического анализа. Также можно использовать trackerPHD с gmphd фильтры, отслеживающие целевые точки и расширенные объекты с назначенными фигурами. Входами в трекер являются отчеты об обнаружении, генерируемые objectDetection, fusionRadarSensor, irSensor, или sonarSensor объекты. Трекер выводит все отслеживаемые дорожки и информацию об их анализе.
Для отслеживания целей с помощью этого объекта:
Создать trackerPHD и задайте его свойства.
Вызовите объект с аргументами, как если бы это была функция.
Дополнительные сведения о работе системных объектов см. в разделе Что такое системные объекты?.
tracker = trackerPHDtrackerPHD Системный объект со значениями свойств по умолчанию.
tracker = trackerPHD(Name,Value)trackerPHD('MaxNumTracks',100) создает PHD-трекер, который допускает максимум 100 треков. Заключите каждое имя свойства в кавычки.
Для обработки обнаружений и обновления треков вызовите трекер с аргументами, как если бы это была функция (описана здесь).
confirmedTracks = tracker(detections,time)detections, во время обновления, time. Подтвержденные дорожки корректируются и прогнозируются до времени обновления.
confirmedTracks = tracker(detections,config,time)config. Этот синтаксис используется при изменении конфигурации датчиков со временем. Чтобы включить этот синтаксис, установите HasSensorConfigurationsInput свойство для true.
[ также возвращает список предварительных дорожек, confirmedTracks,tentativeTracks,allTracks] = tracker(___)tentativeTracksи список всех треков, allTracks. Этот выходной синтаксис можно использовать с любым из предыдущих входных синтаксисов.
[ также возвращает аналитическую информацию, confirmedTracks,tentativeTracks,allTracks,analysisInformation] = tracker(___)analysisInformation, который может использоваться для анализа дорожек. Этот выходной синтаксис можно использовать с любым из предыдущих входных синтаксисов.
Чтобы использовать функцию объекта, укажите объект System в качестве первого входного аргумента. Например, для освобождения системных ресурсов объекта System с именем obj, используйте следующий синтаксис:
release(obj)
Настройте конфигурацию датчика, создайте PHD-трекер и сообщите трекеру об обнаружениях.
% Create sensor configuration. Specify clutter density of the sensor and % set the IsValidTime property to true. configuration = trackingSensorConfiguration(1); configuration.ClutterDensity = 1e-7; configuration.IsValidTime = true; % Create a PHD tracker. tracker = trackerPHD('SensorConfigurations',configuration); % Create detections near points [5;-5;0] and [-5;5;0] at t=0, and % update the tracker with these detections. detections = cell(20,1); for i = 1:10 detections{i} = objectDetection(0,[5;-5;0] + 0.2*randn(3,1)); end for j = 11:20 detections{j} = objectDetection(0,[-5;5;0] + 0.2*randn(3,1)); end tracker(detections,0);
Обновите трекер еще раз через 0,1 секунд, предположив, что цели движутся с постоянной скоростью [1; 2; 0] единиц в секунду.
dT = 0.1;
for i = 1:20
detections{i}.Time = detections{i}.Time + dT;
detections{i}.Measurement = detections{i}.Measurement + [1;2;0]*dT;
end
[confTracks,tentTracks,allTracks] = tracker(detections,dT);Визуализация обнаружений и подтвержденных дорожек.
% Obtain measurements from detections. d = [detections{:}]; measurements = [d.Measurement]; % Extract positions of confirmed tracking using getTrackPositions function. % Note that we used the default sensor configuration % FilterInitializationFcn, initcvggiwphd, which uses a constant velocity % model and defines the states as [x;vx;y;vy;z;vy]. positionSelector = [1 0 0 0 0 0;0 0 1 0 0 0;0 0 0 0 1 0]; positions = getTrackPositions(confTracks,positionSelector); figure() plot(measurements(1,:),measurements(2,:),'x','MarkerSize',5,'MarkerEdgeColor','b'); hold on; plot(positions(1,1),positions(1,2),'v','MarkerSize',5,'MarkerEdgeColor','r' ); hold on; plot(positions(2,1),positions(2,2),'^','MarkerSize',5,'MarkerEdgeColor','r' ); legend('Detections','Track 1','Track 2') xlabel('x') ylabel('y')
Плотность гипотезы вероятности (PHD) - функция, определяемая по состоянию-пространству системы слежения, а её значение в состоянии определяется как ожидаемое количество целей на единицу объема состояния-пространства. PHD обычно аппроксимируется смесью компонентов, и каждый компонент соответствует оценке состояния. Обычно используемыми приближениями PHD являются гауссова смесь, SMC смесь, GGIW смесь и GIW смесь.
Чтобы понять PHD, возьмем в качестве примера гауссову смесь. Гауссова смесь может быть представлена
Pi)
где M - общее число компонентов, N (x 'mi, Pi) - нормальное распределение со средним mi и ковариацией Pi, а wi - вес i-го компонента. Вес wi обозначает число, которое может быть дробным, целей, представленных i-ой составляющей. Интеграция D (x) по пространственно-государственному региону приводит к ожидаемому количеству целей в этом регионе. Интеграция D (x) по всему пространству состояний приводит к общему ожидаемому количеству целей (∑ wi), так как интеграция нормального распределения по всему пространству состояний равна 1. X-координаты пиков (локальных максимумов) D (x) представляют наиболее вероятные состояния целей.
Например, следующий рисунок иллюстрирует PHD функцию, заданную D (x) = N (x | − 4,2) + 0.5N (x | 3,0,4) + 0.5N (x | 4,0,4). Весовое суммирование этих компонентов равно 2, что означает, что, вероятно, существуют две цели. Из пиков D (x) возможные положения этих целей находятся при x = − 4, x = 3 и x = 4. Обратите внимание, что последние два компонента очень близки друг к другу, что означает, что эти два компонента могут быть приписаны одному объекту.
[1] Granstorm, K., К. Ландкуист и О. Оргунер. «Расширенное отслеживание цели с помощью PHD-фильтра гауссовой смеси». Сделки IEEE по аэрокосмическим и электронным системам. Том 48, номер 4, 2012, стр. 3268-3286.
[2] Грансторм, К. и О. Оргунер ". PHD-фильтр для отслеживания нескольких расширенных целей с помощью случайных матриц ". Транзакции IEEE при обработке сигналов. Том 60, номер 11, 2012, стр. 5657-5671.
[3] Грансторм, К. и А. Натале, П. Брака, Г. Людено и Ф. Серафино. «Гамма-гауссова гипотеза обратной вероятности Вишарта для расширенного сопровождения цели с использованием данных морской РЛС X-диапазона». Сделки IEEE по геологии и дистанционному зондированию. Том 53, номер 12, 2015, стр. 6617-6631.