dynamicEvidentialGridMap
描述
的dynamicEvidentialGridMap对象表示的动态地图估计得到的基于网格的追踪,trackerGridRFS。您可以可视化动态映射,得到估计的值通过使用对象的功能dynamicEvidentialGridMap。的dynamicEvidentialGridMap对象是一个处理对象。
创建
你可以生成一个dynamicEvidentialGridMap对象使用trackerGridRFS对象。看到使用的语法trackerGridRFS和得到估计的值在网格级别使用dynamicEvidentialGridMap例子的细节。
属性
对象的功能
getEvidences |
免费得到估计的入住率和证据 |
getOccupancy |
得到估计占用概率 |
getState |
得到完整的估计状态和相关的不确定性 |
getVelocity |
得到的估计速度和相关的不确定性 |
显示 |
可视化动态证据网格地图 |
例子
得到估计的值在网格级别使用dynamicEvidentialGridMap
创建一个跟踪场景。
rng (2021);%的可重复的结果现场= trackingScenario (“UpdateRate”5,“StopTime”5);
添加一个平台。挂载激光雷达传感器的平台。
平台=平台(现场);激光雷达= monostaticLidarSensor (1,“DetectionCoordinates”,“身体”);
添加两个目标和定义他们的位置,速度,方向,尺寸和网格。
为我= = 1:2目标平台(现场);x = 50 * (2 * rand-1);y = 50 * (2 * rand-1);vx = 5 * (2 * rand-1);v = 5 * (2 * rand-1);target.Trajectory。位置= [x y 0];target.Trajectory。速度= (vx v 0);target.Trajectory。Orientation = quaternion([atan2d(vy,vx),0,0],“eulerd”,“ZYX股票”,“帧”);目标。网= extendedObjectMesh (“球”);目标。尺寸=结构(“长度”4…“宽度”4…“高度”2,…“OriginOffset”,0 0 0);结束
定义传感器的配置。
配置= trackingSensorConfiguration (1,…“SensorLimits”(100 -180 180;0),…“SensorTransformParameters”、结构、…“IsValidTime”,真正的);
创建一个基于网格的追踪。
追踪= trackerGridRFS (“SensorConfigurations”配置,…“AssignmentThreshold”5,…“MinNumCellsPerCluster”4…“ClusteringThreshold”3);
推进情况和运行基于激光雷达数据的追踪。
而推进(场景)%当前时间时间= scene.SimulationTime;%生成的点云tgtMeshes = targetMeshes(平台);[ptCloud,配置]=激光雷达(tgtMeshes、时间);%格式的数据追踪sensorData =结构(“时间”、时间、…“SensorIndex”,1…“测量”ptCloud”,…“MeasurementParameters”、结构…);%的电话追踪使用sensorData获取地图除了%,跟踪[痕迹,~,~,地图]=追踪(sensorData、时间);%获得每个单元的入住率概率估计P_occ = getOccupancy(地图);%获得估计依据每一个细胞[m_occ, m_free] = getEvidences(地图);%获得每个细胞的估计速度[v, Pv] = getVelocity(地图);%获得估计为每个细胞状态(x, P) = getState(地图);%显示地图表演(地图,“InvertColors”,真正的)结束
扩展功能
版本历史
介绍了R2021a
