Sensor Fusion and Tracking Toolbox
Entwurf und Simulation von Multisensor-Tracking- und Navigationssystemen
Die Sensor Fusion and Tracking Toolbox™ bietet Algorithmen und Tools zum Entwerfen, Simulieren und Analysieren von Systemen, die Daten von mehreren Sensoren zusammenführen, um die Position, die Ausrichtung und die Situationswahrnehmung aufrechtzuerhalten. Referenzbeispiele bieten einen Startpunkt für die Implementierung von Komponenten von Überwachungsanlagen in der Luft, auf dem Boden, auf Schiffen und unter Wasser, Navigationssystemen und autonomen Systemen.
Die Toolbox umfasst Multi-Objekt-Tracker, Sensorfusions-Filter, Bewegungs- und Sensormodelle und Datenzuordnungsalgorithmen, mit denen Sie Fusionsarchitekturen mithilfe realer und synthetischer Daten bewerten können. Mit der Sensor Fusion and Tracking Toolbox können Sie Szenarien und Bewegungsbahnen importieren und definieren, Signale streamen und synthetische Daten für aktive und passive Sensoren generieren, einschließlich HF-, akustischen, EO/IR- und GPS/IMU-Sensoren. Außerdem können Sie die Systemgenauigkeit und -leistung mit Standard-Benchmarks, Metriken und animierten grafischen Darstellungen bewerten.
Für die Beschleunigung der Simulation oder die Desktop-Prototypenentwicklung unterstützt die Toolbox die Generierung von C-Code.
Jetzt Loslegen:
Generieren von Objektposen
Definieren und konvertieren Sie die wirkliche Position, Geschwindigkeit und Ausrichtung von Objekten in unterschiedlichen Bezugsrahmen.
Objektpose.
Erstellen von Tracking-Szenarien
Modellieren Sie Plattformen wie Flugzeuge, Fahrzeuge oder Schiffe. Plattformen können Sensoren aufweisen und Signalquellen bereitstellen oder Signale reflektieren. Plattformen können stationär oder in Bewegung sein, Sensoren und Emitter tragen sowie blickpunktabhängige Signaturen enthalten, die Signale reflektieren.
Generierung von Radardetektionen für mehrere Plattformen.
Rotationen, Ausrichtung und Quaternionen
Stellen Sie die Ausrichtung und Rotation mithilfe von Quaternionen, Eulerschen Winkeln, Rotationsmatrizen und Rotationsvektoren dar. Definieren Sie die Sensor-Ausrichtung in Bezug auf den Fahrzeugrahmen.
Rotationen, Ausrichtung und Quaternionen.
Trägheits- und GPS-Sensoren
Modellieren Sie IMU, GPS (globale Positionierungssysteme) und INS (Trägheitsnavigationssysteme). Optimieren Sie Umgebungsparameter wie die Temperatur sowie Rauscheigenschaften der Modelle, um reale Umgebungen nachzubilden.
IMU- und GPS-Modell.
Aktive Sensoren
Modellieren Sie Radar- und Sonarsensoren und -emitter, um Detektionen für Ziele zu generieren. Simulieren Sie mechanische und elektronische Scans für Azimut und/oder Elevation.
Konfigurieren des Radar-Scanmodus.
Passive Sensoren
Modellieren Sie RWR (Radarwarnempfänger), ESM (elektronische Unterstützungsmaßnahmen), Passivsonare und Infrarotsensoren, um reine Winkeldetektionen zur Verwendung in Tracking-Szenarien zu generieren. Definieren Sie Emitter und Kanaleigenschaften, um Interferenzen zu modellieren.
Passive Ranging mit einem einzelnen Sensor.
Schätzung der Ausrichtung
Führen Sie Messungen von Beschleunigungsmessern und Magnetometern zusammen, um einen elektronischen Kompass (E-Kompass) zu simulieren. Führen Sie Messungen von Beschleunigungsmessern, Gyroskopen und Magnetometern mit einem AHRS-Filter (Attitude and Heading Reference System) zusammen.
Ausrichtung anhand einer Trägheitssensor-Fusion.
Schätzung der Pose
Schätzen Sie die Pose mit und ohne nichtholonome Richtungsbeschränkungen mithilfe von Trägheitssensoren und GPS. Ermitteln Sie die Pose ohne GPS, indem Sie Trägheitssensoren mit Höhenmessern oder visueller Odometrie zusammenführen.
Visuell-inertiale Odometrie.
Filter für das Objekt-Tracking
Schätzen Sie Objektzustände mithilfe linearer, erweiterter und Unscented-Kalman-Filter für lineare und nichtlineare Bewegungs- und Messungsmodelle. Verwenden Sie Gaußsche-Summe- und Partikelfilter für die Schätzung nichtlinearer, nicht Gaußscher Zustände, einschließlich Tracking mit reinen Bereichs- oder Winkelmessungen. Verbessern Sie das Tracking manövrierender Ziele mit IMM-Filtern (Interacting Multiple Model).
Filter für das Objekt-Tracking.
Bewegungs- und Messungsmodelle
Konfigurieren Sie Tracking-Filter mit konstanter Geschwindigkeit, konstanter Beschleunigung, konstanter Drehung und benutzerdefinierten Bewegungsmodellen in kartesischen Koordinatensystemen sowie in Kugelkoordinatensystemen und modifizierten Kugelkoordinatensystemen. Definieren Sie Messungsmodelle für Position und Geschwindigkeit, Bereich und Winkel, nur Winkel oder benutzerdefinierte Werte.
Bewegungsmodelle.
Tracker
Integrieren Sie Schätzungsfilter, Zuordnungsalgorithmen und Trackmanagementlogik in Multi-Objekt-Tracker, um Detektionen mit Tracks zusammenzuführen. Verwenden Sie einen Tracker für mehrere Hypothesen (MHT) in schwierigen Szenarien, wie dem Tracking nah aneinander befindlicher Ziele mit Uneindeutigkeit.
Tracker für mehrere Objekte.
Track-Zuordnung
Finden Sie die beste oder die k besten Lösungen für das Zuordnungsproblem Global Nearest Neighbor (GNN). Lösen Sie das S-D-Zuordnungsproblem. Weisen Sie Detektionen zu Tracks oder Tracks zu Tracks zu. Bestätigen und löschen Sie Tracks anhand des aktuellen Trackverlaufs oder der Trackbewertung.
Trackmanagement und Datenzuordnung.
Fusion von Trackdetektionen
Führen Sie den Zustand und die Zustands-Kovarianz zusammen. Führen Sie synchrone Detektionen statistisch zusammen, einschließlich Triangulation von Winkeldetektionen von passiven Sensoren.
Tracking mithilfe verteilter, synchroner passiver Sensoren.
Visualisierung von Szenarien
Stellen Sie die Ausrichtung und die Geschwindigkeit von Objekten, Ground-Truth-Bewegungsbahnen, Sensormessungen und Tracks in 3D dar. Stellen Sie die Detektion und die Track-Unsicherheiten dar. Visualisieren Sie die Track-ID mir Verlaufspfaden.
Theater Plot.
Sensor- und Track-Metriken
Generieren Sie Metriken für die Einrichtung, Aufrechterhaltung und Löschung von Tracks, einschließlich Track-Länge, Track-Brüchen und vertauschten Track-IDs. Schätzen Sie die Genauigkeit von Tracks anhand der mittleren quadratischen Abweichung (RMSE) für die Position, Geschwindigkeit, Beschleunigung und Giergeschwindigkeit zusammen mit der mittleren quadratischen Abweichung der normalisierten Schätzung (ANEES). Analysieren Sie Rauschen bei Trägheitssensoren mithilfe der Allan-Varianz.
Track-Messdaten.
Track-Level Fuser
Durchführen von Fusionen zwischen Tracks und Entwerfen dezentraler Trackingsysteme
PHD-Tracker mit Gaußscher Mischverteilung
Verfolgen von Einzelobjekten und erweiterten Objekten mit bestimmten Formen
OSPA-Metrik
Bewerten der Trackerleistung anhand der Ground Truth mit der OSPA-Metrik (Optimal Subpattern Assignment)
Simulink-Blöcke für Tracker
Verfolgen von Objekten mit den Simulink-BlöckentrackerGNN und trackerJPDA
Komplementärfilter
Schätzen der Ausrichtung anhand von Sensordaten von Beschleunigungsmessern, Gyroskopen und Magnetometern
ENU-Referenz-Koordinatensystem
Verwenden des ENU-Referenz-Koordinatensystems (East-North-Up) für Workflows der Trägheitssensor-Fusion
Details zu diesen Merkmalen und den zugehörigen Funktionen finden Sie in den Versionshinweisen.
Sensor Fusion and Tracking for Autonomous Systems: An Overview
Learn how self- and situational awareness capabilities are used for sensing and perception in autonomous systems.
