Matlab基于AIS和雷达的多传感器航迹融合
多传感器融合--MATLAB跟踪器介绍
MATLAB通过多目标跟踪器可以融合多传感器检测到的目标信息,常用到的多目标跟踪器有trackerGNN、trackerJPDA、trackerTOMHT 、trackerPHD等。trackerGNN通过假设一个跟踪的目标只能与一个测量目标匹配。trackerJDPA对每一个跟踪的目标可能匹配多个测量到的目标。trackerPHD通过概率假设密度(PHD)函数来跟踪目标。trackerTOMHT认为跟踪的目标存多个假设的目标与之匹配。
1、跟踪器的使用步骤
MATLAB中使用跟踪器的主要步骤有(1)设定跟踪器的参数,(2)获得检测目标的信息,调用跟踪器,(3)提取跟踪成功的目标的位置及速度信息。
(1)设定跟踪器的参数,如下所示
tracker = trackerGNN('FilterInitializationFcn', @initcvkf,'AssignmentThreshold',10, ...
'ConfirmationThreshold', [3 5], 'TrackLogic', 'History', ...
'DeletionThreshold', 10);
(2)获得检测目标的信息,调用跟踪器,如下所示
[confirmed,tentative,alltracks,info] = tracker(detection,time);
(3)提取跟踪成功的目标的位置及速度信息,如下所示
[pos,cov] = getTrackPositions(confirmed,positionSelector);
vel = getTrackVelocities(confirmed,velocitySelector);
2、测量目标的创建
表1 测量目标的属性表
序号 |
符号 |
描述 |
1 |
Time |
目标的时间戳 |
2 |
Measurement |
测量目标的结果 |
3 |
MeasurementNoise |
测量目标的结果噪声 |
4 |
SensorIndex |
测量的传感器的类型 |
5 |
ObjectClassID |
测量目标的类型 |
6 |
MeasurementParameters |
非线性卡尔曼滤波器初始化参数 |
7 |
ObjectAttributes |
跟踪器的其它附加信息 |
测量目标属性表通过detection = objectDetection(time,measurement) 函数获得,输入是时间和测量的目标的结果。
通过如下两个例子可以建立测量目标
例1:detection = objectDetection(1,[100;250;10])
例2:detection = objectDetection(1,[100;250;10],'MeasurementNoise',10, ...
'SensorIndex',1,'ObjectAttributes',{'Example object',5})
3、跟踪目标的获得
表2 跟踪目标的属性表
序号 |
符号 |
描述 |
1 |
TrackID |
跟踪目标ID(唯一) |
2 |
Time |
跟踪目标的更新时间 |
3 |
Age |
跟踪目标的从首次初始化后的更新次数 |
4 |
State |
跟踪目标的状态矩阵 |
5 |
StateCovariance |
跟踪目标的状态协方差矩阵 |
6 |
IsConfirmed |
目标是否被证实的状态,它为真表示目标为真实目标。 |
7 |
IsCoasted |
滑行状态,它为真表示跟踪的目标在没有检测到的情况进行的更新 |
8 |
ObjectClassID |
表示目标的分类,0表示目标类型未知 |
9 |
ObjectAttributes |
包含传感器检测到目标的属性元胞数组 |
通过[confirmed,tentative,alltracks,info] = tracker(detection,time)可获得confirmed和tentative,它们分别指的是跟踪器返回的已经证实的真目标和假设的目标。Confirmed tracks 和Tentative tracks 两类目标都包含有表2的目标属性。
4、跟踪及测量目标的图形化
Matlab通过创建theater 绘图来展现虚拟化的跟踪目标和测量目标。Matlab 中的trackPlotter 函数与detectionPlotter 函数分别用于在theater 中绘制跟踪目标和测量目标的结果。具体例子如下所示:
(1)初始化跟踪目标和测量目标的结果
tp = theaterPlot('XLimits',[-1 1200],'YLimits',[-600 600]); %%确定绘制区域X轴,Y轴的范围
trackP = trackPlotter(tp,'DisplayName','Tracks','MarkerFaceColor','g', ... 'HistoryDepth',0); %% 绘制跟踪目标
detectionP = detectionPlotter(tp,'DisplayName','Detections','MarkerFaceColor', ... 'r'); %% 绘制测量到的目标
(2)更新跟踪目标和测量目标的结果
trackP.plotTrack(pos,vel,cov,labels); %%更新跟踪目标
detectionP.plotDetection(meas',measCov);%%更新测量目标
5、其它
在使用matlab的跟踪器时遇到的问题汇总如下:
- matlab的跟踪器默认采用的扩展卡尔曼滤波器(EKF),其函数要求测量的结果为三维的(X,Y,Z),如果是二维的则会报错误。
解决方法:将跟踪器的滤波方法设置为卡尔曼滤波(KF),或者将二维数据扩充为三维,第3维的测量数据一直为0。
- MATLAB的plotTrack(trPlotter,pos,vel,cov) 函数要求pos、vel、cov为三维信息,如果只有2维信息直接调用该函数会报维度不匹配的错误。
解决方法:在调用plotTrack函数之前将二维的位置、速度、协方差信息扩展成三维之后再调用plotTrack函数绘制跟踪结果。对于plotDetection函数同样可采用该方法进行处理。
clc;
clear;
close all
load('MarCE_Radar_Detections_01_005_patched.mat');
load('dtGroundTruthAIS.mat')figure(1);
for i = 1:numel(data)TR = extractfield(data{i},'TR');TR = reshape(TR,2,[]);Azimuth = TR(1,:);Range = TR(2,:);[X,Y] = pol2cart(Azimuth, Range);plot(X,Y,'.b');axis([-7000 7000 -7000 7000]);hold on;A = gt{i};scatter(A(:,1),A(:,2),'r.');% pause(.01);
end
grid on;
xlabel('X')
ylabel('Y')
title('Radar Data with AIS Ground Truth')legend('Radar Data','AIS Data')
Matlab基于AIS和雷达的多传感器航迹融合相关推荐
- 【数据融合】基于AIS和雷达的多传感器航迹融合matlab代码
1 简介 AIS船舶自动识别系统能提供精确的船舶位置与属性信息,通过信息融合技术能有效弥补雷达测向精度不高的影响.为了对更大范围内的海域进行监视,本文对升空AIS与雷达信息融合技术进行了研究,以提高平 ...
- 【数据融合】基于AIS和雷达的多传感器航迹融合附matlab代码
1 简介 AIS船舶自动识别系统能提供精确的船舶位置与属性信息,通过信息融合技术能有效弥补雷达测向精度不高的影响.为了对更大范围内的海域进行监视,本文对升空AIS与雷达信息融合技术进行了研究,以提高平 ...
- 【数据融合】基于AIS和雷达的多传感器航迹融合matlab源码
多传感器融合--MATLAB跟踪器介绍 MATLAB通过多目标跟踪器可以融合多传感器检测到的目标信息,常用到的多目标跟踪器有trackerGNN.trackerJPDA.trackerTOMHT .t ...
- 基于车载无线通信和车辆远程传感器融合的V2X协同感知(目标跟踪/轨迹预测)
论文标题:Driving Environment Perception Based on the Fusion of Vehicular Wireless Communications and Aut ...
- 多传感器分布式融合算法——多传感器网络协同目标跟踪和定位
多传感器分布式融合算法 应用: 多传感器网络协同目标跟踪及定位 原创不易,路过的各位大佬请点个赞 主要讲解算法: 多传感器集中式融合算法/分布式融合算法/序贯融合算法 ...
- 雷达 航迹跟踪 matlab,基于MATLAB的雷达与AIS航迹融合处理
基于MATLAB的雷达与AIS航迹融合处理 matlab 2021-1-21 下载地址 https://www.codedown123.com/59444.html 基于MATLAB的雷达与AIS航迹 ...
- 【camera-lidar-radar】基于卡尔曼滤波和扩展卡尔曼滤波的相机、激光雷达、毫米波雷达多传感器后融合
[camera-lidar-radar]基于卡尔曼滤波和扩展卡尔曼滤波的相机.激光雷达.毫米波雷达多传感器后融合 代码下载地址(C++ and Python):下载地址 红点和蓝点分别表示radar和 ...
- 【滤波跟踪】基于EKF实现雷达与红外数据融合附matlab程序
1 简介 雷达与红外数据融合能够实现信息互补,改善对目标的跟踪,识别以 及提高系统的生存能力.为了解决空中目标高速机动时,单一模型的雷达/红外序贯滤波跟踪发散的问题,采用一种基于拓展卡尔马驴型的雷达/ ...
- d-s 多传感器信息融合 matlab实现_自动驾驶中的多传感器融合
一.多传感器融合多传感器信息融合(Multi-sensor Information Fusion,MSIF),就是利用计算机技术将来自多传感器或多源的信息和数据,在一定的准则下加以自动分析和综合,以完 ...
最新文章
- 看完微软大神写的求平均值代码,我意识到自己还是 too young 了
- 数据库无法保存中文的解决
- kubeadm部署k8s_用 kubeadm 部署生产级 k8s 集群
- 【CF1200E】Compress Words【kmp】
- docker daemon 配置文件
- 常见Web安全漏洞及防范
- How to support Specular-Glossiness in Three.js
- ASP.NET实现文件上传和下载
- 斐讯T1刷机详细指南
- android显示emoji,android兼容emoji显示以及检测是否支持emoji
- 多伦多计算机科学排名,2017加拿大大学专业排名:计算机科学类项目
- lambda表达式最实用的例子,最实用的案例
- [PTA练习] 愿天下有情人都是失散多年的兄妹(25分)
- 什么是 DNS 泛洪?
- 淘客菜鸟百度贴吧怎么发帖子操作淘宝客
- 矩阵行列式的计算及逆矩阵转换
- 计算机演示文稿操作,计算机操作与应用 PowerPoint 演示文稿的设计与制作.ppt
- 滤波器的知识点(一)
- 怪物掉落装备修改属性
- Windows Mobile 6 SDK 中的 GPS 工具
热门文章
- 3_如何获取电机实际输出的速度
- javascript 10进制和64进制的转换
- PendingIntent无法唤起activity | service无法唤起activity【从后台启动activity无效的原因】
- 吴奇隆刘诗诗婚礼场地:巴厘岛Ayana酒店,美到窒息!
- SpringMVC3----@Controller注解、RestFul风格的讲解和应用、SpringMVC的接受请求参数、网页跳转方式和数据回显、乱码问题
- 不同平面直角坐标系之间的坐标转换公式
- 使用itextpdf将html内容转PDF文档,并签章
- 『建议收藏』产品经理必懂专业名词一
- 3. deit——Training data-efficient image transformers distillation through
- python爬数据以字典变量保存_python爬虫第7篇——爬取的数据如何存档