Отследите транспортные средства с помощью измерений от датчика лидара, установленного на верхнюю часть автомобиля , оборудованного датчиком. Датчики Lidar сообщают о измерениях как о облаке точек. Пример иллюстрирует рабочий процесс в MATLAB ® для обработки облака точек и отслеживания объектов. Для версии примера Simulink ® обратитесь к разделу Отслеживать автомобили, использующие данные Лидара в Simulink.Lidar данные, используемые в этом примере, записаны из сценария движения по шоссе. В этом примере вы используете записанные данные для отслеживания транспортных средств с помощью совместного вероятностного трекера (JPDA) и подхода с несколькими моделями (IMM).

Отслеживайте автотранспортные средства вокруг автомобиля , оборудованного датчиком. Транспортные средства являются расширенными объектами, размерности которых охватывают несколько камеры разрешения датчика. В результате датчики сообщают о нескольких обнаружениях этих объектов в одном скане. В этом примере вы будете использовать различные методы отслеживания расширенных объектов для отслеживания транспортных средств шоссе и оценки результатов их эффективности отслеживания.

Взрыватели из двух транспортных средств для обеспечения более полной оценки окружения, которая может быть видна каждому транспортному средству. Пример демонстрирует использование фузера уровня дорожки и формата данных дорожки объекта. В этом примере вы используете сценарий вождения и генератор обнаружения зрения от Automated Driving Toolbox™, генератор радиолокационных данных от Radar Toolbox™, и модели слияния отслеживания и отслеживания от Sensor Fusion and Tracking Toolbox™.

Демонстрирует проблемы, связанные с отслеживанием транспортных средств на шоссе в присутствии многолучевых радиолокационных отражений. Также показан подход фильтрации призраков, используемый с расширенным трекером объектов для одновременной фильтрации обнаружений призраков и отслеживания объектов.

Отслеживайте движущиеся объекты с помощью нескольких лидаров с помощью основанного на сетке трекера. Основанный на сетке трекер позволяет раннему слиянию данных с датчиков высокого разрешения, таких как радары и лидары, создать глобальный список объектов.

Выполните динамическое пополнение в городской водительской сцене с помощью эталонного пути Френе. В этом примере вы используете динамическую оценку сетки заполнения локального окружения, чтобы найти оптимальные локальные траектории.

Обнаружение, классификация и отслеживание транспортных средств с помощью лидарных данных облака точек, полученных датчиком лидара, установленным на автомобиль , оборудованный датчиком. Лидарные данные, используемые в этом примере, записываются из сценария движения по шоссе. В этом примере данные облака точек сегментируются, чтобы определить класс объектов с помощью сети PointSeg. Совместный вероятностный трекер ассоциации данных (JPDA) с интерактивным фильтром нескольких моделей используется для отслеживания обнаруженных транспортных средств.

Сгенерируйте список дорожек уровня объекта из измерений радара и датчика лидара и далее сплавьте их с помощью схемы слияния уровня дорожки. Вы обрабатываете измерения радара с помощью трекера расширенных объектов и измерения лидара с помощью трекера совместной вероятностной ассоциации данных (JPDA). Вы далее сплавляете эти дорожки с помощью схемы слияния на уровне дорожки. Схемы рабочего процесса показаны ниже.

Отследите транспортные средства с помощью измерений от датчика лидара, установленного на верхнюю часть автомобиля , оборудованного датчиком. Из-за возможностей высокого разрешения датчика лидара каждый скан с датчика содержит большое число точек, обычно известных как облако точек. Пример иллюстрирует рабочий процесс в Simulink для обработки облака точек и отслеживания объектов. Данные лидары, используемые в этом примере, записываются из сценария движения по шоссе. Вы используете записанные данные для отслеживания транспортных средств с помощью совместного вероятностного трекера (JPDA) и взаимодействия нескольких моделей (IMM). Пример внимательно следует примеру Track Vehicles Using Lidar: From Point Cloud to Track List MATLAB ®.

Выполните слияние дорожки и дорожки в Simulink ® с помощью Sensor Fusion and Tracking Toolbox™. В контексте автономного управления автомобилем пример иллюстрирует, как создать децентрализованную архитектуру отслеживания с использованием блока track fuser. В этом примере каждое транспортное средство выполняет отслеживание независимо, а также информацию слежения за взрывателем, полученную от других транспортных средств. Этот пример внимательно следует примеру Track-to-Track Fusion for Automotive Safety Applications MATLAB ®.

Автономные системы требуют точной оценки их окружения для поддержки принятия решений, планирования и контроля. Датчики высокого разрешения, такие как радар и лидар, часто используются в автономных системах, чтобы помочь в оценке окружающей среды. Эти датчики обычно выводят дорожки. Вывод дорожек вместо обнаружений и слияние дорожек вместе децентрализованным способом обеспечивают несколько преимуществ, включая низкую частоту ложных предупреждений, более высокую точность оценки цели, низкую потребность в полосе пропускания и низкие вычислительные затраты. В этом примере показано, как отслеживать объекты из измерений радара и датчика лидара и как сплавить их с помощью схемы слияния уровня дорожки в Simulink ®. Вы обрабатываете радиолокационные измерения с помощью трекера Gaussian Mixed Probabilistic Hypothesis Density (GM-PHD) и лидарные измерения с помощью трекера Joint Probabilistic Data Association (JPDA). Вы далее сплавляете эти дорожки с помощью схемы слияния на уровне дорожки. Пример внимательно следует примеру Track-Level Fusion Radar и Lidar Data MATLAB ®.