initctekf

Создайте расширенный фильтр Калмана с постоянной скоростью поворота из отчета об обнаружении

Описание

пример

filter = initctekf(detection) создает и инициализирует расширенный Калман с постоянной скоростью поворота filter из информации, содержащейся в detection отчет. Для получения дополнительной информации о расширенном фильтре Калмана смотрите trackingEKF.

Функция инициализирует постоянное состояние скорости поворота с тем же соглашением, что и constturn и ctmeas, [x; <reservedrangesplaceholder8> <reservedrangesplaceholder7>; y; v y; ω; z; v z], где ω - скорость поворота.

Примеры

свернуть все

Создайте и инициализируйте 2-D объект расширенного фильтра Калмана с постоянной частотой поворота из начального отчета об обнаружении.

Создайте отчет об обнаружении из начального 2-D измерения (-250, -40) положения объекта. Предположим некоррелированный шум измерения.

Расширение измерения до трёх размерностей путем добавления z-компонента нуля.

detection = objectDetection(0,[-250;-40;0],'MeasurementNoise',2.0*eye(3), ...
    'SensorIndex',1,'ObjectClassID',1,'ObjectAttributes',{'Car',2});

Создайте новый фильтр из отчета об обнаружении и отобразите свойства фильтра.

filter = initctekf(detection)
filter = 
  trackingEKF with properties:

                          State: [7x1 double]
                StateCovariance: [7x7 double]

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

                 MeasurementFcn: @ctmeas
         MeasurementJacobianFcn: @ctmeasjac
               MeasurementNoise: [3x3 double]
    HasAdditiveMeasurementNoise: 1

                EnableSmoothing: 0

Показать состояние.

filter.State
ans = 7×1

  -250
     0
   -40
     0
     0
     0
     0

Покажите ковариационную матрицу состояния.

filter.StateCovariance
ans = 7×7

    2.0000         0         0         0         0         0         0
         0  100.0000         0         0         0         0         0
         0         0    2.0000         0         0         0         0
         0         0         0  100.0000         0         0         0
         0         0         0         0  100.0000         0         0
         0         0         0         0         0    2.0000         0
         0         0         0         0         0         0  100.0000

Инициализируйте 2-D фильтр Калмана с постоянным оборотом из отчета о первоначальном обнаружении, полученного из начального измерения в сферических координатах. Если вы хотите использовать сферические координаты, то вы должны предоставить структуру параметра измерения в качестве части отчета о обнаружении с Frame значение поля установлено в 'spherical'. Установите угол азимута цели в 45 степени, диапазон в 1000 метров и скорость области значений -4,0 м/с.

frame = 'spherical';
sensorpos = [25,-40,-10].';
sensorvel = [0;5;0];
laxes = eye(3);

Создайте структуру параметров измерения. Задайте 'HasElevation' на false. Затем измерение состоит из азимута, области значений и скорости области значений.

measparms = struct('Frame',frame,'OriginPosition',sensorpos, ...
    'OriginVelocity',sensorvel,'Orientation',laxes,'HasVelocity',true, ...
    'HasElevation',false);
meas = [45;1000;-4];
measnoise = diag([3.0,2,1.0].^2);
detection = objectDetection(0,meas,'MeasurementNoise', ...
    measnoise,'MeasurementParameters',measparms)
detection = 
  objectDetection with properties:

                     Time: 0
              Measurement: [3x1 double]
         MeasurementNoise: [3x3 double]
              SensorIndex: 1
            ObjectClassID: 0
    MeasurementParameters: [1x1 struct]
         ObjectAttributes: {}

filter = initctekf(detection);

Вектор состояния фильтра.

disp(filter.State)
  732.1068
   -2.8284
  667.1068
    2.1716
         0
  -10.0000
         0

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

Расширенный фильтр Калмана, возвращенный как trackingEKF объект.

Алгоритмы

  • Функция вычисляет матрицу шума процесса, принимая один второй временной шаг. Функция принимает стандартное отклонение ускорения 1 м/с2, и стандартное отклонение ускорения оборота 1 °/с2.

  • 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