Formations MATLAB et Simulink

Fusion de capteurs et suivi d'objets avec MATLAB

Afficher le calendrier et s'inscrire

Détails de la formation

Cette formation d'une journée offre une expérience en développement et test d'algorithmes de localisation et de pistage. Des exemples et exercices montreront comment réaliser ces tâches avec MATLAB® et Sensor Fusion and Tracking Toolbox™.
 
Les thèmes comprennent :
 
  • Localisation en orientation et position
  • Génération de scènes et importation de données de détection
  • Filtrage et modèles de déplacement
  • Association de données
  • Trackers multi-objets

Jour 1 sur 1


Localisation en orientation et position

Objectif: Fusion des données des capteurs IMU et GPS pour estimer la position et l’orientation.

  • Modélisation des mesures provenant d’accéléromètres, de gyroscopes, de magnétomètres et de GPS.
  • Fusion des données des capteurs pour estimer la pose en termes de position, de rapidité et d’orientation.
  • Visualisation de l’estimation de la pose et représentation des plateformes et des trajectoires.

Génération de scènes et importation de données de détection

Objectif: Importation et traitement des détections ou génération de scénarios utilisés dans le suivi multi-objets.

  • Prétraitement et création de package pour les détections de capteurs collectées.
  • Création d’un scénario de pistage avec plusieurs capteurs et plateformes.
  • Définition d’un point de passage ou de trajectoires cinématiques.
  • Personnalisation des paramètres des capteurs.
  • Génération des détections utilisées dans les algorithmes de fusion des capteurs.

Filtrage et modèles de déplacement

Objectif: Sélection et réglage des filtres et des modèles de déplacement basés sur les exigences de suivi.

  • Évaluation des filtres vis-à-vis des exigences du scénario.
  • Comparaison et mise en contraste des différents modèles de déplacement.
  • Configuration d’un filtre multi-modèles interactif (IMM) pour pister différentes manœuvres.

Association de données

Objectif: Détermination de la méthode appropriée d’association des données pour différentes situations de pistage.

  • Sélection parmi Global Nearest Neighbor (GNN, méthode du « plus proche voisin »), Joint Probabilistic Data Association (JPDA, « association probabiliste conjointe de données »), Track-Oriented Multiple Hypothesis (TOMHT, « hypothèses multiples orientées suivi »), et d’autres méthodes d’association des données.
  • Détermination de la manière dont plusieurs détections sont attribuées à différentes pistes.

Suivi multi-objets

Objectif: Créer des algorithmes de suivi d'objets multiples agrégant les informations de plusieurs capteurs comme des capteurs visuels, des radars et des lidars.

  • Configuration des trackers et paramètres.
  • Réalisation de l’association et de la gestion de pistes.
  • Visualisation des objets pistés.

Annexe A: Trackers pour capteurs passifs

Objectif: Créer des trackers multi-objets et des systèmes de fusion basé uniquement sur des mesures d'angles ou uniquement sur des mesures de distances en provenance de capteurs passifs.

  • Triangulation de détections de type ligne de vue.
  • Réalisation de la fusion statique de détections de capteurs synchrones passifs
  • Suivi à partir de mesures de distances uniquement.
  • Suivi à partir de mesures d’angles uniquement.

Niveau: Intermédiaire

Pré-requis:

  • Fondamentaux MATLAB ou une expérience équivalente dans l'utilisation de MATLAB ; connaissance de base des concepts de pistage

Durée: 1 jour

Langues: English

Afficher le calendrier et s'inscrire