initcakf

Создайте линейный фильтр Калмана с постоянным ускорением из отчета о обнаружении

Описание

пример

filter = initcakf(detection) создает и инициализирует линейный метод Калмана с постоянным ускорением filter из информации, содержащейся в detection отчет. Для получения дополнительной информации о линейном фильтре Калмана смотрите trackingKF.

Функция инициализирует постоянное состояние ускорения с тем же соглашением, что и constacc и cameas, [x; <reservedrangesplaceholder13> <reservedrangesplaceholder12>; <reservedrangesplaceholder11> <reservedrangesplaceholder10>; y; <reservedrangesplaceholder8> <reservedrangesplaceholder7>; <reservedrangesplaceholder6> <reservedrangesplaceholder5>; z; <reservedrangesplaceholder3> <reservedrangesplaceholder2>; <reservedrangesplaceholder1> <reservedrangesplaceholder0>].

Примеры

свернуть все

Создайте и инициализируйте 2-D линейный объект фильтра Калмана с постоянным ускорением из начального отчета об обнаружении.

Создайте отчет об обнаружении из начального 2-D измерения (10,−5) положения объекта. Предположим некоррелированный шум измерения.

detection = objectDetection(0,[10;-5],'MeasurementNoise',eye(2), ...
    'SensorIndex',1,'ObjectClassID',1,'ObjectAttributes',{'Car',5});

Создайте новый фильтр из отчета об обнаружении.

filter = initcakf(detection);

Отображение состояния фильтра.

filter.State
ans = 6×1

    10
     0
     0
    -5
     0
     0

Покажите модель перехода состояния.

filter.StateTransitionModel
ans = 6×6

    1.0000    1.0000    0.5000         0         0         0
         0    1.0000    1.0000         0         0         0
         0         0    1.0000         0         0         0
         0         0         0    1.0000    1.0000    0.5000
         0         0         0         0    1.0000    1.0000
         0         0         0         0         0    1.0000

Входные параметры

свернуть все

Отчет об обнаружении, заданный 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

Линейный фильтр Калмана, возвращенный как trackingKF объект.

Алгоритмы

  • Функция вычисляет матрицу шума процесса, принимая за одну секунду временной шаг и стандартное отклонение скорости ускорения 1 м/с3.

  • Вы можете использовать эту функцию как FilterInitializationFcn свойство multiObjectTracker объект.

Расширенные возможности

Генерация кода C/C + +
Сгенерируйте код C и C++ с помощью Coder™ MATLAB ®

.
Введенный в R2017a
Для просмотра документации необходимо авторизоваться на сайте