В этом примере показано, как настроить и использовать трекеры GNN и JPDA в смоделированном сценарии магистрали в Simulink ® с Toolbox™ слияния и отслеживания датчиков. Он внимательно следит за синтезом датчиков с использованием синтетических данных радара и зрения в Simulink (Automated Driving Toolbox). Основным преимуществом моделирования системы в Simulink является простота выполнения анализа «что если» и выбор трекера, который приводит к лучшей производительности на основе требований.
Синтетические данные РЛС и зрения помогают нам в оценке алгоритмов сопровождения цели. В этом примере основное внимание уделяется возможностям отслеживания trackerGNN и trackerJPDA в Simulink.
Настройка этого примера аналогична настройке команды Sensor Fusion Using Synthetic Radar and Vision Data в примере Simulink (Automated Driving Toolbox), за исключением того, что моделируемые детекторы объединяются в качестве входных данных для Trackers блок.
Шпионы
Trackers блок - это вариационная подсистема, которую можно использовать для переключения между трекером GNN и трекером JPDA.
Первый вариант блока Trackers, trackerGNN, предполагает модель движения с постоянной скоростью и расширенный фильтр Калмана, устанавливая функцию инициализации фильтра по умолчанию initcvekf.
С помощью GNN-трекера можно выбрать собственный настраиваемый фильтр, который соответствует движению моделируемых объектов. Вы можете выбрать алгоритм назначения среди MatchPairs, Munkres, Jonker-Volgenant, Auction и собственный настроенный алгоритм назначения. Можно также указать логику ведения пути как History или Score.
Второй вариант блока «Трекеры», trackerJPDA, также предполагает модель движения с постоянной скоростью и расширенный фильтр Калмана с помощью функции инициализации фильтра по умолчанию initcvekf.
С trackerJPDA, вы можете настроить собственную функцию инициализации фильтра и выбрать между History и Integrated логика отслеживания.
Можно выбрать предпочтительную подсистему, задав значение условной переменной Tracker в базовом рабочем пространстве. В следующей таблице показаны Tracker значения, соответствующие их конфигурациям.
Можно также использовать команду Править переменные рабочей области (Edit and Manage Workspace Variables) с помощью проводника моделей (Simulink) для изменения значения Tracker.
Отслеживание метрик
Метрики дорожки реализованы с использованием блока системы MATLAB (Simulink). Код блока определяется вспомогательным классом HelperTrackMetrics.
Для визуализации результатов используйте область «Птичий глаз». Bird 's-Eye Scope - это инструмент визуализации на уровне модели с помощью меню на панели инструментов модели Simulink. После открытия области щелкните Найти сигналы (Find Signals), чтобы настроить сигналы. Затем выполните моделирование, чтобы отобразить актеров, зрение и радары, трассы и границы дорог. На следующем рисунке показана область действия птичьего глаза для этого примера.
В Simulink этот пример можно выполнить с помощью интерпретированного выполнения или генерации кода. При интерпретированном выполнении модель моделирует блок с использованием механизма выполнения MATLAB, что позволяет ускорить время запуска, но увеличить время выполнения. При генерации кода модель моделирует блок, используя подмножество кода MATLAB, поддерживаемое для генерации кода, что обеспечивает лучшую производительность, чем интерпретируемое выполнение.
После запуска модели можно визуализировать результаты на рисунках ниже.
На приведенном выше рисунке показаны результаты слежения с использованием синтетических данных радара и зрения с помощью trackerGNN. Можно видеть, что трекер поддерживал дорожки по всему региону отслеживания.
На приведенном выше рисунке показаны результаты слежения с использованием синтетических данных радара и зрения с помощью trackerJPDA. Вы можете видеть, что трекер поддерживал дорожки по всей области отслеживания, и производительность отслеживания лучше, чем у trackerGNN поскольку генерируется меньше ложных дорожек.
Оценка производительности отслеживания
Вы можете использовать Track Metrics блок для оценки производительности отслеживания каждого трекера с использованием количественных метрик. В этом примере рассматривается количество целевых дорожек, количество избыточных дорожек и число ложных дорожек. Дорожка цели - это дорожка, которая связана с уникальными целями. Избыточная дорожка - это дорожка, которая связана с базовым объектом истинности, связанным с другой дорожкой. Ложная дорожка - это дорожка, которая не связана ни с какими наземными объектами истинности. Ниже на первом рисунке показаны результаты отслеживания производительности GNN-трекера, а на втором рисунке - результаты JPDA-трекера.
Метрики назначения показывают, что одна избыточная дорожка была инициализирована и подтверждена trackerGNN тогда как trackerJPDA не создает избыточных дорожек. Избыточные дорожки были созданы из-за несовершенной кластеризации, где обнаружения, принадлежащие одному целевому объекту, были сгруппированы в несколько кластеров. Также, trackerGNN создал и подтвердил три ложных трека, в то время как trackerJPDA подтвердил только один ложный трек. Эти метрики показывают, что trackerJPDA обеспечивает лучшую производительность отслеживания, чем trackerGNN.
В этом примере показано, как создать сценарий, смоделировать обнаружения датчиков и использовать эти обнаружения для отслеживания движущихся транспортных средств вокруг эго-транспортного средства с помощью trackerGNN и trackerJPDA блоки в Simulink. Вы также видели простоту обмена между двумя трекерами, гибкость настройки этих трекеров в соответствии с вашими собственными требованиями к отслеживанию цели и возможность оценки результатов трекинга с помощью метрик отслеживания.