Отследите транспортные средства с помощью измерений от датчика лидара, смонтированного сверху автомобиля, оборудованного датчиком. Лоцируйте датчики, сообщают измерения как облако точек. Пример иллюстрирует рабочий процесс в MATLAB® для обработки облака точек и отслеживания объектов. Для версии Simulink® примера относитесь, чтобы Отследить Транспортные средства Используя Данные о Лидаре в данных о лидаре Simulink.The, используемых в этом примере, зарегистрирован от магистрали ведущий сценарий. В этом примере вы используете записанные данные, чтобы отследить транспортные средства со средством отслеживания объединенной вероятностной ассоциации данных (JPDA) и подходом взаимодействующей многоуровневой модели (IMM).

Отследите дорожные транспортные средства вокруг автомобиля, оборудованного датчиком. Транспортные средства расширены объекты, размерности которых охватывают несколько ячеек разрешения датчика. В результате датчики сообщают о нескольких обнаружениях этих объектов в одном скане. В этом примере вы будете использовать различные расширенные методы отслеживания объекта, чтобы отследить дорожные транспортные средства и оценить результаты их эффективности отслеживания.

Плавьте дорожки от двух транспортных средств, чтобы обеспечить более всестороннюю оценку среды, чем видны каждому транспортному средству. Пример демонстрирует использование термофиксатора уровня дорожки и объектного формата данных дорожки. В этом примере вы используете ведущий сценарий и генератор обнаружения видения от Automated Driving Toolbox™, радарный генератор данных от Radar Toolbox™ и отслеживание и отслеживаете модели сплава от Sensor Fusion and Tracking Toolbox™.

Проблемы сопоставлены с отслеживанием транспортных средств на магистрали в присутствии многопутевых радарных отражений. Это также показывает фантомный подход фильтрации, используемый с расширенным объектным средством отслеживания, чтобы одновременно отфильтровать фантомные обнаружения и отслеживаемые объекты.

Отследите движущиеся объекты с несколькими лидарами с помощью основанного на сетке средства отслеживания. Основанное на сетке средство отслеживания позволяет раннему сплаву данных из датчиков с высоким разрешением, таких как радары и лидары создать список глобальных объектов.

Выполните динамическое перепланирование в городской ведущей сцене с помощью пути к ссылке Frenet. В этом примере вы используете динамическую оценку карты сетки заполнения окружения, чтобы найти оптимальные локальные траектории.

Динамически повторно запланируйте движение автономного транспортного средства на основе оценки окружающей среды. Вы используете путь к ссылке Frenet и средство отслеживания объединенной вероятностной ассоциации данных (JPDA), чтобы оценить и предсказать движение других транспортных средств на магистрали. По сравнению с Магистральным Планированием Траектории Используя пример Пути к Ссылке Frenet вы используете эти предполагаемые траектории от мультиобъектного средства отслеживания в этом примере вместо основной истины для планирования движения.

Обнаружьте, классифицируйте и отследите транспортные средства при помощи данных об облаке точек лидара, собранных датчиком лидара, смонтированным на автомобиле, оборудованном датчиком. Данные о лидаре, используемые в этом примере, зарегистрированы из управляющего магистралью сценария. В этом примере данные об облаке точек сегментируются, чтобы определить класс объектов с помощью сети PointSeg. Средство отслеживания объединенной вероятностной ассоциации данных (JPDA) с интерактивным фильтром многоуровневой модели используется, чтобы отследить обнаруженные транспортные средства.

В этом примере вы изучаете, как использовать мультиобъектные средства отслеживания, чтобы отследить различные Беспилотные Воздушные Транспортные средства (БПЛА) в городской среде. Вы создаете сцену с помощью uavScenario основанного на объектах при создании и доступных данных ландшафта онлайн. Вы используете модели датчика лидара и радара, чтобы сгенерировать синтетические данные о датчике. Наконец, вы используете различные алгоритмы отслеживания, чтобы оценить состояние всех БПЛА в сцене.

Сгенерируйте список дорожек уровня объектов от измерений радара и датчика лидара и далее плавьте их использующий схему сплава уровня дорожки. Вы обрабатываете радарные измерения с помощью расширенного объектного средства отслеживания и измерений лидара с помощью средства отслеживания объединенной вероятностной ассоциации данных (JPDA). Вы далее плавите эти дорожки с помощью схемы сплава уровня дорожки. Схематический из рабочего процесса показывают ниже.

Создайте основанное на событии cочетание датчиков и модель отслеживания в Simulink®.

Отследите транспортные средства с помощью измерений от датчика лидара, смонтированного сверху автомобиля, оборудованного датчиком. Из-за высоких разрешающих способностей датчика лидара, каждый скан от датчика содержит большое количество точек, обычно известных как облако точек. Пример иллюстрирует рабочий процесс в Simulink для обработки облака точек и отслеживания объектов. Данные о лидаре, используемые в этом примере, зарегистрированы от магистрали ведущий сценарий. Вы используете записанные данные, чтобы отследить транспортные средства со средством отслеживания объединенной вероятностной ассоциации данных (JPDA) и подходом взаимодействующей многоуровневой модели (IMM). Пример сопровождает Транспортные средства Дорожки Используя Лидар: От Облака точек до примера Track List MATLAB®.

Модель и смягчает многопутевые радарные отражения в магистрали ведущий сценарий в Simulink®. Это сопровождает Отслеживание Дорожного транспортного средства с Многопутевым примером Radar Reflections MATLAB®.

Отследите дорожные транспортные средства вокруг автомобиля, оборудованного датчиком в Simulink. В этом примере вы используете несколько расширенных методов отслеживания объекта, чтобы отследить дорожные транспортные средства и оценить их эффективность отслеживания. Этот пример сопровождает Расширенное Объектное Отслеживание Дорожных транспортных средств с примером Camera MATLAB® и Радаром.

Выполните сплав от дорожки к дорожке в Simulink® с Sensor Fusion and Tracking Toolbox™. В контексте автономного управления автомобилем пример иллюстрирует, как создать децентрализованную архитектуру отслеживания с помощью блока термофиксатора дорожки. В примере каждое транспортное средство выполняет отслеживание независимо, а также информацию об отслеживании предохранителя, полученную от других транспортных средств. Этот пример сопровождает Fusion От дорожки к дорожке для Автомобильного примера Safety Applications MATLAB®.

Отследите движущиеся объекты с несколькими лидарами с помощью основанного на сетке средства отслеживания в Simulink. Вы используете Основанный на сетке Много Объектный блок Simulink Средства отслеживания, чтобы задать основанное на сетке средство отслеживания. Это Основанное на сетке средство отслеживания использует динамическую карту сетки заполнения в качестве промежуточного представления среды. Этот пример сопровождает Основанное на сетке Отслеживание в Городских Средах Используя Несколько пример Lidars MATLAB®.

Автономные системы требуют, чтобы точная оценка их среды поддержала принятие решения, планирование и управление. Датчики с высоким разрешением, такие как радар и лидар часто используются в автономных системах, чтобы помочь по оценке среды. Эти датчики обычно выводят дорожки. Вывод дорожек вместо обнаружений и плавление дорожек вместе децентрализованным способом предоставляют несколько преимуществ, включая низкие ложные сигнальные уровни, более высокую целевую точность оценки, низкое требование полосы пропускания и низкие вычислительные затраты. Этот пример показывает вам, как к отслеживаемым объектам от измерений радара и датчика лидара и как плавить их использующий схему сплава уровня дорожки в Simulink®. Вы обрабатываете радарные измерения с помощью Гауссовой Плотности Гипотезы Вероятности Смеси (GM-PHD) средство отслеживания и измерения лидара с помощью средства отслеживания Объединенной вероятностной ассоциации данных (JPDA). Вы далее плавите эти дорожки с помощью схемы сплава уровня дорожки. Пример сопровождает Fusion Уровня Дорожки примера Lidar Data MATLAB® и Радара.