Exponenta Banner

initcaggiwphd

Создайте постоянные ggiwphd ускорения фильтр

Свернуть все на странице

Синтаксис

phd = initcaggiwphd
phd = initcaggiwphd(detections)

Описание

phd = initcaggiwphd инициализирует постоянное ускорение ggiwphd фильтр без компонентов нулей в фильтре.

пример

phd = initcaggiwphd(detections) инициализирует постоянное ускорение ggiwphd фильтр на основе информации, предоставляемой в обнаружениях объектов, detections. Функция инициализирует постоянное состояние ускорения с тем же соглашением, что и constacc и cameas, [<reservedrangesplaceholder14>;<reservedrangesplaceholder13><reservedrangesplaceholder12>;<reservedrangesplaceholder11><reservedrangesplaceholder10>;<reservedrangesplaceholder9>;<reservedrangesplaceholder8><reservedrangesplaceholder7>;<reservedrangesplaceholder6><reservedrangesplaceholder5>;<reservedrangesplaceholder4>;<reservedrangesplaceholder3><reservedrangesplaceholder2>;<reservedrangesplaceholder1><reservedrangesplaceholder0>].

Примечание

Эта функция инициализации не совместима с trackerGNN, trackerJPDA, и trackerTOMHT системные объекты.

Примеры

свернуть все

Открыть Live Script

Рассмотрим объект, расположенный в положении [1; 2; 3] с обнаружениями, равномерно распределенными по своей длине. Размер экстента составляет 1,2, 2,3 и 3,5 в направлениях x, y и z, соответственно.

detections = cell(20,1);
location = [1;2;3];
dimensions = [1.2;2.3;3.5];
rng(2018) % Reproducible results
measurements = location + dimensions.*(-1 + 2*rand(3,20));
for i = 1:20
    detections{i} = objectDetection(0,measurements(:,i));
end

Инициализируйте постоянное ggiwphd ускорения фильтр с сгенерированными обнаружениями.

phd = initcaggiwphd(detections);

Проверяйте, что фильтр имеет те же оценки положения, что и среднее значение измерений.

states = phd.States
states = 9×1

    1.2856
         0
         0
    1.9950
         0
         0
    2.9779
         0
         0


measurementMean = mean(measurements,2)
measurementMean = 3×1

    1.2856
    1.9950
    2.9779

Проверяйте степень и ожидаемое количество обнаружений.

extent = phd.ScaleMatrices/(phd.DegreesOfFreedom - 4)
extent = 3×3

    1.4603    0.0885   -0.2403
    0.0885    3.0050   -0.0225
   -0.2403   -0.0225    4.8365


expDetections = phd.Shapes/phd.Rates
expDetections = 20

Входные параметры

свернуть все

Обнаружения объектов, заданное как массив ячеек objectDetection объекты. Можно создавать detections непосредственно, или вы можете получить detections от выходов объектов, таких как radarSensor, monostaticRadarSensor, irSensor, и sonarSensor.

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

ggiwphd фильтр, возвращенный как ggiwphd объект.

Алгоритмы

  • Вы можете использовать initcaggiwphd как FilterInitializationFcn свойство trackingSensorConfiguration.

  • Когда обнаружения предусмотрены как входные, функция добавляет один компонент к плотности, которая отражает среднее значение обнаружений. Когда функция вызывается без каких-либо входов, фильтр инициализируется без компонентов в плотности.

  • Функция использует разброс измерений, чтобы описать распределение Обратного Желания.

  • Функция использует количество обнаружений, чтобы описать распределение Гамма.

  • Функция конфигурирует шум процесса фильтра, принимая стандартное отклонение модуля для скорости изменения ускорения.

  • Функция задает в фильтре максимум 500 компонентов.

Расширенные возможности

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

.

См. также

| | |

Введенный в R2019a

Документация по Sensor Fusion and Tracking Toolbox

Поддержка