Sensor Fusion and Tracking Toolbox
Diseño y simulación de sistemas de seguimiento y navegación multisensor
Sensor Fusion and Tracking Toolbox™ incluye algoritmos y herramientas para diseñar, simular y analizar sistemas que fusionan datos de varios sensores a fin de mantener la percepción de la posición, la orientación y la situación. Los ejemplos de referencia proporcionan un punto de partida para implementar componentes de sistemas de vigilancia, navegación y autónomos aéreos, terrestres, marítimos y submarinos.
Esta toolbox incluye seguidores multiobjeto, filtros de fusión de sensores, modelos de sensores y movimiento, y algoritmos de asociación de datos que permiten evaluar las arquitecturas de fusión mediante datos reales y sintéticos. Con Sensor Fusion and Tracking Toolbox podrá importar y definir escenarios y trayectorias, transmitir señales en streaming y generar datos sintéticos para sensores activos y pasivos, incluidos los sensores RF, acústicos, EO/IR y GPS/IMU. También es posible evaluar la precisión y el rendimiento del sistema con pruebas de referencia estándar, métricas y gráficos animados.
Para la aceleración de las simulaciones o el prototipado, la toolbox admite la generación de código C.
Comience:
Generación de poses de objetos
Defina y convierta la posición, la velocidad y la orientación real de los objetos en distintos marcos de referencia.
Pose de objeto.
Creación de escenarios de seguimiento
Modele plataformas tales como aeronaves, vehículos terrestres o embarcaciones. Las plataformas pueden incluir sensores y proporcionar fuentes de señales o reflejar señales. Las plataformas pueden estar inmóviles o en movimiento, incluir sensores y emisores, y contener firmas dependientes del aspecto que reflejen señales.
Generación de detecciones de radar multiplataforma.
Rotaciones, orientación y cuaterniones
Represente la orientación y rotación mediante cuaterniones, ángulos de Euler, matrices de rotación y vectores de rotación. Defina la orientación del sensor con respecto a la estructura.
Rotaciones, orientaciones y cuaterniones.
Sensores inerciales y GPS
Modele IMU (unidades de medición inerciales), GPS (sistemas de posicionamiento global) e INS (sistemas de navegación inercial). Ajuste parámetros medioambientales tales como la temperatura y las propiedades de ruido de los modelos para imitar entornos del mundo real.
Modelo de IMU y GPS.
Sensores activos
Modele sensores y emisores de radar y sonar para generar detecciones de objetivos. Simule escaneos mecánicos y electrónicos en acimut, elevación o ambos.
Configuración de modos de escaneo de radar.
Sensores pasivos
Modele sensores RWR (receptor de advertencia de radar), ESM (medida de soporte electrónico), sonar pasivo e infrarrojos a fin de generar detecciones solo de ángulo para su uso en escenarios de seguimiento. Defina emisores y propiedades de canal para modelar las interferencias.
Localización pasiva mediante un único sensor.
Estimación de la orientación
Fusione las lecturas de acelerómetros y magnetómetros para simular una brújula electrónica (eCompass). Fusione las lecturas de acelerómetros, giroscopios y magnetómetros con un filtro de sistema de referencia de actitud y rumbo (AHRS).
Orientación mediante la fusión de sensores inerciales.
Estimación de poses
Estime poses con y sin restricciones de rumbo no holonómicas mediante sensores inerciales y GPS. Determine la pose sin GPS mediante la fusión de sensores inerciales con altímetros u odometría visual.
Odometría inercial visual.
Filtros para el seguimiento de objetos
Estime los estados de los objetos mediante filtros de Kalman "unscented", extendidos y lineales para modelos de medición y movimiento lineales y no lineales. Utilice filtros de partículas y suma gaussiana para la estimación de estados no gaussiana y no lineal, incluido el seguimiento con mediciones solo de ángulo o solo de rango. Mejore el seguimiento de los objetivos en movimiento con filtros de modelo múltiple interactuante (IMM).
Filtros para el seguimiento de objetos.
Modelos de movimiento y medición
Configure filtros de seguimiento con velocidad constante, aceleración constante, giro constante y modelos de movimiento personalizados en sistemas de coordenadas cartesianas, además de sistemas de coordenadas esféricas y esféricas modificadas. Defina modelos de posición y velocidad, ángulo de rango, solo ángulo o medición personalizada.
Modelos de movimiento.
Seguidores
Integre filtros de estimación, algoritmos de asignación y lógica de gestión del seguimiento en seguidores multiobjeto a fin de fusionar las detecciones en los seguimientos. Utilice un seguidor de varias hipótesis (MHT) en escenarios difíciles tales como el seguimiento de objetivos muy cercanos con ambigüedad.
Seguidores de varios objetos.
Asignación de seguimientos
Encuentre las soluciones óptimas o k-óptimas al problema de asignación del vecino más próximo global (GNN). Resuelva el problema de asignación S-D. Asigne detecciones a seguimientos, o bien seguimientos a seguimientos. Confirme y elimine seguimientos en función del historial de seguimientos reciente o de la calificación de seguimiento.
Gestión de seguimientos y asociación de datos.
Fusión de detecciones de seguimiento
Fusione el estado y la covarianza de estado. Fusione estadísticamente detecciones síncronas, incluida la triangulación de detecciones de ángulo de sensores pasivos.
Seguimiento mediante sensores pasivos síncronos distribuidos.
Visualizaciones de escenarios
Represente gráficamente la orientación y la velocidad de los objetos, las trayectorias de validación, las mediciones de sensores y los seguimientos en 3D. Represente gráficamente incertidumbres de detección y seguimiento. Visualice el ID de seguimiento con rastros de historial.
Representación gráfica teatral.
Métricas de sensores y seguimientos
Genere métricas de establecimiento, mantenimiento y eliminación de seguimientos, tales como longitud de seguimiento, interrupciones de seguimiento e intercambios de ID de seguimiento. Estime la precisión del seguimiento mediante posición, velocidad, aceleración y raíz del error cuadrático medio (RMSE) de velocidad de giro, junto con el error al cuadrado de estimación normalizado promedio (ANEES). Analice el ruido de un sensor inercial mediante la varianza de Allan.
Métricas de seguimiento.
Scenario Visualization
Plot the orientation and velocity of objects, ground truth trajectories, sensor measurements, and tracks in 3D. Plot detection and track uncertainties. Visualize track IDs with history trails.
Theater plot of a multiplatform scenario.
Sensor and Track Metrics
Generate track establishment, maintenance, and deletion metrics including track length, track breaks, and track ID swaps. Estimate track accuracy with position, velocity, acceleration, and yaw rate root-mean square error (RMSE) or average normalized estimation error squared (ANEES). Use integrated OSPA and GOSPA metrics to summarize performance in a single score. Analyze inertial sensor noise using Allan variance.
Integrated tracking metrics to evaluate tracker performance against ground truth.
Tuning Filters and Trackers
Tune parameters of multi-object trackers such as the assignment threshold, filter initialization function, and confirmation and deletion thresholds to maximize performance. Compare results across trackers and tracker configurations. Automatically tune INS filters to optimize noise parameters.
Tracking point targets in dense clutter with a GM-PHD tracker.
Code Generation
Generate C/C++ and MEX code for simulation acceleration or desktop prototyping using MATLAB Coder™. Apply cost calculation thresholds to reduce time spent on calculating the assignment cost.
Tracking thousands of targets with generated code for fastest simulation time.
RFS Tracker
Track objects using the grid-based random finite set (RFS) tracker
Trajectory Generation
Create trajectories using earth-centered waypoints
Filter Tuner for Inertial Sensors
Automatically adjust inertial sensor fusion performance for INS, IMU and AHRS filters
Monte Carlo Simulation
Perturb tracking scenarios, sensors, and trajectories to create large data sets for testing
Generación de escenarios
diseñe interactivamente escenarios de seguimiento en una app
Simulaciones Monte Carlo
diseñe y ejecute simulaciones Monte Carlo para aplicaciones de seguimiento
Gráficos de cobertura de sensores
visualice el haz y el área de cobertura de los sensores en un escenario de seguimiento
Lidar Sensor Model
Generate synthetic point clouds as part of tracking scenarios
Tracking Scenario Designer App
Import tracking scenarios into the app for visualization and redesign
INS Sensor
Model and simulate an INS sensor in Simulink
Motion Models
Simulate Singer acceleration motion
Métrica de rendimiento de seguimiento
evalúe el rendimiento de seguimiento con respecto a los datos de validación (ground-truth) en función de la métrica de asignación óptima global de subpatrones (GOSPA)
Bloques de Simulink
modele localizadores TOMHT, sensores IMU y fusión inercial AHRS usando bloques de Simulink
Filtros inerciales
acceda a los valores residuales y la covarianza residual de insfilters y ahrs10filter
See the release notes for details on any of these features and corresponding functions.
Consulte las notasde la versión para saber los detalles sobre estas características y las funciones correspondientes.
Fusión de sensores y seguimiento para sistemas autónomos: descripción general
Aprenda cómo se utilizan las capacidades de autoconciencia y conciencia situacional para la detección y la percepción en sistemas autónomos.
