多传感器融合--MATLAB跟踪器介绍

转载自：https://blog.csdn.net/weijimin1/article/details/95078920

多传感器融合--MATLAB跟踪器介绍

jm-csu 2019-07-08 17:51:59 3226 收藏 26

分类专栏： 传感器融合 智能交通 文章标签： MATLAB跟踪器 多目标跟踪 多传感器融合 trackerGNN 全局最近邻

版权

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：

1. 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。

1. 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。