根据检测报告创建恒加速扩展卡尔曼滤波器
过滤器= initcaekf(检测)
例子
过滤器= initcaekf (检测)创建并初始化一个定加速扩展卡尔曼滤波器,过滤器,从检测报告所包含的信息,检测.
过滤器= initcaekf (检测)
过滤器
检测
全部折叠
根据初始检测报告创建并初始化一个三维恒定加速度扩展卡尔曼滤波对象。
根据最初的三维测量数据创建检测报告,(-200; 30 0)物体位置的。假设测量噪声不相关。
检测= objectDetection (0 (-200; -30; 0)“MeasurementNoise”, 2.1 *眼(3),...“SensorIndex”, 1“ObjectClassID”, 1“ObjectAttributes”, {“汽车”2});
从检测报告创建新的过滤器并显示其属性。
filter = trackingEKF with properties: State: [9x1 double] StateCovariance: [9x9 double] StateTransitionFcn: @constacc StateTransitionJacobianFcn: @constaccjac ProcessNoise: [9x9 double] HasAdditiveProcessNoise: 1 MeasurementFcn: @ camameas MeasurementJacobianFcn: [3x3 double] hasadditivemmeasurementnoise: 1
显示过滤器状态。
过滤器。状态
ans =9×1-200 00 -30 00 00 0
显示状态协方差矩阵。
过滤器。状态Covariance
ans =9×92.1000 0 0 0 0 0 0 0 0⋯0 0 0 0 0 0 0 0 0 0 100.0000 100.0000 2.1000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 100.0000 100.0000 2.1000 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 100.0000 100.0000
根据球坐标下的初始测量得到的初始检测报告初始化一个三维恒定加速度扩展卡尔曼滤波器。如果要使用球坐标,则必须提供测量参数结构作为检测报告的一部分框架字段设置为“球”.设置目标的方位角为的高度。射程为1000米,射程速率为-4.0米/秒。
框架
“球”
帧=“球”;sensorpos =[25、-40、-10]。';sensorvel =(0; 5。0);宽松=眼(3);
创建测量参数结构。集“HasVelocity”而且“HasElevation”来真正的.然后,测量矢量由方位角、仰角、距离和距离率组成。
“HasVelocity”
“HasElevation”
真正的
measparms =结构(“帧”框架,“OriginPosition”sensorpos,...“OriginVelocity”sensorvel,“定位”宽松的,“HasVelocity”,真的,...“HasElevation”,真正的);量= (45,22,1000;4);measnoise =诊断接头(3.0、2.5、2、1.0。^ 2);检测= objectDetection(0,量,“MeasurementNoise”,...measnoise,“MeasurementParameters”measparms)
detection = objectDetection with properties: Time: 0 Measurement: [4x1 double] MeasurementNoise: [4x4 double] SensorIndex: 1 ObjectClassID: 0 MeasurementParameters: [1x1 struct] ObjectAttributes: {}
过滤器= initcaekf(检测);
显示状态向量。
disp (filter.State)
680.6180 -2.6225 0 615.6180 -2.6225 0 364.6066 -1.4984 0
objectDetection
检测报告,指定为objectDetection类对象。
例子:detection = objectDetection(0,[1;4.5;3],' measuentnoise ', [1.0 0 0;2.0 0 0;0 0 1.5])
detection = objectDetection(0,[1;4.5;3],' measuentnoise ', [1.0 0 0;2.0 0 0;0 0 1.5])
trackingEKF
扩展卡尔曼滤波器,指定为trackingEKF类对象。
该函数计算过程噪声矩阵,假设时间步长为1秒,加速度标准差为1米/秒3..
您可以使用这个函数作为FilterInitializationFcn财产的multiObjectTracker对象。
FilterInitializationFcn
multiObjectTracker
initcakf
initcaukf
initctekf
initctukf
initcvekf
initcvkf
initcvukf
trackingKF
trackingUKF
你点击了一个对应于这个MATLAB命令的链接:
在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站,在可用的地方获得翻译的内容,并查看当地的活动和优惠。根据您的地理位置,我们建议您选择:.
您也可以从以下列表中选择网站:
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。
联系当地办事处
得到审判现在