Exponenta Banner
exponenta event banner

initcvgmphd

Создайте постоянную скорость gmphd фильтр

Свернуть все на странице

Синтаксис

phd = initcvgmphd
phd = initcvgmphd(detections)

Описание

phd = initcvgmphd инициализирует постоянную скорость gmphd фильтр с нулем компонентов в фильтре.

пример

phd = initcvgmphd(detections) инициализирует постоянную скорость gmphd фильтр на основе информации, предоставляемой в обнаружениях объектов, detections. Функция инициализирует состояние постоянной скорости с тем же соглашением, что и constvel и cvmeas, [x; <reservedrangesplaceholder7> <reservedrangesplaceholder6> ; y; <reservedrangesplaceholder4> <reservedrangesplaceholder3>; z; <reservedrangesplaceholder1> <reservedrangesplaceholder0>].

Примечание

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

Примеры

свернуть все

Открыть Live Script

Рассмотрим цель точки, расположенную в [1;2;3]. Создайте обнаружение для цели с помощью objectDetection.

detection = objectDetection(0,[1;2;3]);

Инициализируйте постоянную скорость gmphd фильтровать, используя initcvgmphd.

phd = initcvgmphd(detection);

Отобразите начальное состояние и настройку экстента gm phd filter.

state = phd.States
state = 6×1

     1
     0
     2
     0
     3
     0


extent = phd.HasExtent
extent = logical
   0
Открыть Live Script

Рассмотрим расширенный объект, расположенный в [1; 2; 3]. Обнаружения объекта равномерно распределены в x-, y- и z-направлениях с размерностями 1,2, 2,3 и 3,5 соответственно. Сгенерируйте 20 случайным образом распределенных обнаружений для объекта, используя objectDetection.

detections = cell(20,1);
location = [1;2;3];
dimensions = [1.2;2.3;3.5];
rng(2019);
measurements = location + dimensions.*(-1 + 2*rand(3,20));
for i = 1:20
    detections{i} = objectDetection(0,measurements(:,i)); 
end

Инициализируйте постоянную скорость gmphd фильтровать, используя initcvgmphd.

phd = initcvgmphd(detections);

Начальное состояние фильтра совпадает со средним значением измерений.

state = phd.States
state = 6×1

    1.1034
         0
    2.5597
         0
    2.4861
         0


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

    1.1034
    2.5597
    2.4861


По умолчанию функция устанавливает HasExtent свойство true, если количество измерений больше 1. 
extent = phd.HasExtent
extent = logical
   1


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

          
Гауссов фильтр PHD смеси, возвращенный как gmphd объект.

        
Алгоритмы

      


  • Вы можете использовать initcvgmphd 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 распространение измерений, чтобы задать позиционную ковариацию.
  • Функция конфигурирует шум процесса фильтра, принимая модуль стандартное отклонение ускорения.
  • Функция задает в фильтре максимум 500 компонентов.
  • Функция устанавливает HasExtent свойство фильтра, чтобы true если количество обнаружений входа больше единицы.


    
Расширенные возможности
Генерация кода C/C + +
 Сгенерируйте код C и C++ с помощью Coder™ MATLAB ®
.
См. также
 |  |  | 
Введенный в R2019b

    




























Документация по Sensor Fusion and Tracking Toolbox





Поддержка