帮助中心帮助中心
从检测报告创建恒定加速度线性卡尔曼滤波器
自从R2021a
过滤器= initcakf(检测)
例子
过滤器= initcakf (检测)创建并初始化一个恒定加速度线性卡尔曼滤波过滤器中包含的信息检测报告。关于线性卡尔曼滤波器的更多信息,请参阅trackingKF。
过滤器= initcakf (检测)
过滤器
检测
trackingKF
该函数初始化一个恒定加速度状态相同的约定constacc和cameas,(xvx一个xyvy一个yzvz一个z]。
constacc
cameas
全部折叠
创建并初始化一个二维恒定加速度线性卡尔曼滤波对象从最初的检测报告。
创建初始二维测量,检测报告(10−5),对象的位置。假设不相关的测量噪声。
检测= objectDetection (0 (10; 5)“MeasurementNoise”,眼(2),…“SensorIndex”,1“ObjectClassID”,1“ObjectAttributes”,{“汽车”,5});
创建新的滤波器的检测报告。
过滤器= initcakf(检测);
显示过滤器的状态。
filter.State
ans =6×110 0 0 5 0 0
显示状态转换模型。
filter.StateTransitionModel
ans =6×61.0000 - 1.0000 1.0000 1.0000 0.5000 0 0 0 0 0 0 0 0 0 1.0000 0 0 0 0 0 0 0 0 0 0 1.0000 1.0000 0.5000 1.0000 - 1.0000 1.0000 0 0 0 0 0
objectDetection
检测报告,指定为一个objectDetection对象。
例子:检测= objectDetection (0 (1; 4.5; 3)“MeasurementNoise”, (1.0 0 0;2.0 0 0;0 0 1.5])
检测= objectDetection (0 (1; 4.5; 3)“MeasurementNoise”, (1.0 0 0;2.0 0 0;0 0 1.5])
线性卡尔曼滤波器,作为一个返回trackingKF对象。
函数计算过程噪声矩阵假设一秒钟时间步和加速率标准差为1 m / s3。
你可以使用这个函数FilterInitializationFcn财产的radarTracker对象。
FilterInitializationFcn
radarTracker
介绍了R2021a
initcaekf
initcaukf
initctekf
initctukf
initcvkf
initcvekf
initcvukf
trackingEKF
trackingUKF
您有一张这本Beispiels geanderte版本。您这本Beispiel麻省理工学院古老Anderungen offnen吗?
您有窗户的链接geklickt,汪汪汪der diesem MATLAB-Befehl entspricht:
在das MATLAB-Befehlsfenster Fuhren您窝Befehl军队Eingabe来自。浏览器unterstutzen MATLAB-Befehle。
选择一个网站
选择一个网站翻译内容,看到当地事件和提供。根据你的位置,我们建议您选择:。
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。
联系你当地的办公室