Exponenta Banner
exponenta event banner

initcaukf

Создайте сигма-точечный фильтр Калмана с постоянным ускорением из отчета о обнаружении

Свернуть все на странице

Синтаксис

filter = initcaukf(detection)

Описание

пример

filter = initcaukf(detection) создает и инициализирует неароматизированный Калман с постоянным ускорением filter из информации, содержащейся в detection отчет. Для получения дополнительной информации о сигма-точечном фильтре Калмана смотрите trackingUKF.

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

Открыть Live Script

Создайте и инициализируйте 3-D объект сигма-точечного фильтра Калмана постоянного ускорения из начального отчета об обнаружении.

Создайте отчет о обнаружении из начального 3-D измерения (-200, -30,5) положения объекта. Предположим некоррелированный шум измерения.

detection = objectDetection(0,[-200;-30;5],'MeasurementNoise',2.0*eye(3), ...
    'SensorIndex',1,'ObjectClassID',1,'ObjectAttributes',{'Car',2});

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

filter = initcaukf(detection)
filter = 
  trackingUKF with properties:

                          State: [9x1 double]
                StateCovariance: [9x9 double]

             StateTransitionFcn: @constacc
                   ProcessNoise: [3x3 double]
        HasAdditiveProcessNoise: 0

                 MeasurementFcn: @cameas
               MeasurementNoise: [3x3 double]
    HasAdditiveMeasurementNoise: 1

                          Alpha: 1.0000e-03
                           Beta: 2
                          Kappa: 0

                EnableSmoothing: 0

Показать состояние.

filter.State
ans = 9×1

  -200
     0
     0
   -30
     0
     0
     5
     0
     0

Покажите ковариационную матрицу состояния.

filter.StateCovariance
ans = 9×9

    2.0000         0         0         0         0         0         0         0         0
         0  100.0000         0         0         0         0         0         0         0
         0         0  100.0000         0         0         0         0         0         0
         0         0         0    2.0000         0         0         0         0         0
         0         0         0         0  100.0000         0         0         0         0
         0         0         0         0         0  100.0000         0         0         0
         0         0         0         0         0         0    2.0000         0         0
         0         0         0         0         0         0         0  100.0000         0
         0         0         0         0         0         0         0         0  100.0000
Открыть Live Script

Инициализируйте 3D сигма-точечный фильтр Калмана с постоянным ускорением из начального отчета об обнаружении, полученного из 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 равным 45∘, и область значений до 1000 метров.

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

Создайте структуру измерения. Задайте 'HasVelocity' и 'HasElevation' на false. Затем вектор измерения состоит из угла азимута и области значений.

measparms = struct('Frame',frame,'OriginPosition',sensorpos, ...
    'OriginVelocity',sensorvel,'Orientation',laxes,'HasVelocity',false, ...
    'HasElevation',false);
meas = [45;1000];
measnoise = diag([3.0,2.0].^2);
detection = objectDetection(0,meas,'MeasurementNoise', ...
    measnoise,'MeasurementParameters',measparms)
detection = 
  objectDetection with properties:

                     Time: 0
              Measurement: [2x1 double]
         MeasurementNoise: [2x2 double]
              SensorIndex: 1
            ObjectClassID: 0
    MeasurementParameters: [1x1 struct]
         ObjectAttributes: {}


filter = initcaukf(detection);

Отобразите вектор состояния.

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

Сигма-точечный фильтр Калмана, возвращенный как trackingUKF 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 trackerGNN или trackerTOMHT объект.

Расширенные возможности

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

.

См. также

Функции

Объекты

Введенный в R2018b

Документация по Sensor Fusion and Tracking Toolbox

Поддержка