Sensor Fusion and Tracking Toolbox™ incluye algoritmos y herramientas para diseñar, simular y probar sistemas que fusionan datos de varios sensores para mantener la percepción del entorno y la localización. Los ejemplos de referencia proporcionan un punto de partida para el desarrollo de la fusión de sensores y el seguimiento multiobjeto en sistemas de vigilancia y autónomos, incluidos sistemas aéreos, espaciales, terrestres, marítimos y submarinos.
Puede fusionar datos de sensores del mundo real, incluidos radar activo y pasivo, sonar, LiDAR, EO/IR, IMU y GPS. También puede generar datos sintéticos a partir de sensores virtuales para probar sus algoritmos en diferentes escenarios. Esta toolbox incluye seguidores multiobjeto y filtros de estimación para evaluar arquitecturas que combinan fusión en el nivel de cuadrícula, de detección y de objeto o seguimiento. También proporciona métricas, tales como OSPA y GOSPA, para validar el rendimiento con respecto a escenas de validación (ground-truth).
La toolbox soporta la generación de código C y C++ para la aceleración de simulaciones o el prototipado rápido.
Más información:
- Seguimiento para sistemas de vigilancia
- Seguimiento para sistemas autónomos
- Seguimiento multiobjeto
- Seguimiento centralizado y descentralizado
- Simulación de escenarios de seguimiento
- Localización para plataformas de seguimiento
- Visualización y análisis
- Aceleración de algoritmos y generación de código
Vigilancia del espacio aéreo
Realice el seguimiento multiobjeto utilizando datos de sensores activos y pasivos, tales como los sensores de radar, ADS-B y EO/IR. Personalice los seguidores para gestionar objetos en movimiento.
Vigilancia espacial
Realice el seguimiento de varios objetos espaciales utilizando datos de sensores de radar para generar percepción de la situación espacial. Puede configurar los seguidores para que utilicen un modelo de movimiento kepleriano u otros modelos orbitales.
Vigilancia terrestre y marítima
Realice el seguimiento de objetos ampliados en aplicaciones terrestres y marítimas con sensores de LiDAR y radar de alta resolución.
Seguimiento para sistemas autónomos
Mejore los sistemas de percepción en vehículos autónomos mediante el seguimiento de objetos ampliados con datos de cámara, radar y LiDAR. Fusione nubes de puntos, detecciones y seguimientos de varios sensores para estimar la posición, la cinemática, la extensión y la orientación de estos objetos.
Seguimiento con un único sensor
Modele y simule seguidores multiobjeto para realizar el procesamiento requerido en sensores inteligentes. Esto incluye transformar los datos sin procesar en listas de seguimiento de objetos.
Fusión centralizada
Realice el seguimiento de objetos ampliados con un seguidor centralizado que fusiona datos de varios sensores y modalidades de sensores. Utilice un seguidor de densidad de hipótesis de probabilidad (PHD) para estimar la cinemática de objetos en movimiento, junto con las dimensiones y la orientación de los objetos. Para entornos urbanos complejos, implemente un seguidor de conjuntos finitos aleatorios (RFS) basado en cuadrícula para seguir la ocupación de cada celda de la cuadrícula, así como su cinemática.
Fusión en el nivel de seguimiento
Fusione seguimientos de varias fuentes de seguimiento para lograr una estimación más completa del entorno. Evalúe las arquitecturas de fusión track-to-track en sistemas con limitaciones de ancho de banda y sistemas que emplean control de rumores para eliminar resultados obsoletos.
Filtros de estimación y asociación de datos
Estime los estados de los objetos utilizando una extensa librería de filtros de estimación, tales como filtros de Kalman lineales y no lineales, filtros multimodelo y filtros de partículas. Encuentre las soluciones óptimas o k-óptimas al problema de asignación 2D o al problema de asignación S-D. Asigne detecciones a detecciones, detecciones a seguimientos o seguimientos a seguimientos.
Seguidores multiobjeto.
Integre filtros de estimación, algoritmos de asignación y lógica de gestión del seguimiento en seguidores multiobjeto para fusionar las detecciones en los seguimientos. Convierta los datos de sensores a un formato de detección y utilice un seguidor de vecino más próximo global (GNN) para escenarios simples. Para escenarios difíciles, como el seguimiento de objetivos muy cercanos que generan ambigüedades de medición, puede optar fácilmente por un seguidor conjunto de asociación de datos probabilísticos (JPDA), un seguidor de varias hipótesis (MHT) o un seguidor PHD.
Seguidores de objetos ampliados y basados en cuadrícula
Utilice un seguidor PHD para seguir la cinemática, el tamaño y la orientación de objetos ampliados. Utilizando datos de sensores de alta resolución tales como nubes de puntos de LiDAR y radar, realice el seguimiento con seguidores RFS basados en cuadrícula para estimar las características dinámicas de las celdas de la cuadrícula en entornos urbanos complejos.
Fusión en el nivel de seguimiento
Fusione seguimientos generados por sensores de seguimiento u otros objetos de fusión track-to-track. Diseñe sistemas de seguimiento descentralizados en sistemas con ancho de banda restringido. Reduzca la propagación de rumores para eliminar los resultados obsoletos del seguidor.
Arquitecturas de fusión
Explore las arquitecturas de seguidores y evalúe los tradeoffs de diseño entre las arquitecturas de fusión track-to-track, de seguimiento de nivel central o de seguimiento híbrido. Utilice la fusión estática (detección) para combinar detecciones de sensores solo de ángulo y de solo rango, tales como IR, ESM o radares biestáticos.
Simulación de escenarios de seguimiento
Genere informes de sensores para probar sistemas de seguimiento. Defina escenarios multiplataforma y genere perfiles de movimiento para cada plataforma utilizando trayectorias basadas en waypoints y en cinemática. Adjunte firmas y modelos de sensores a cada plataforma, y simule sus informes estadísticamente. Utilice una validación (ground-truth) simulada en las simulaciones Montecarlo para verificar y validar los sistemas de seguimiento.
Trayectoria de objetos y generación de poses
Defina escenarios de forma interactiva con la app Tracking Scenario Designer y genere scripts de MATLAB que definen y convierten la posición, la velocidad y la orientación reales de los objetos en distintos marcos de referencia.
Modelos de sensores activos y pasivos
Modele sensores activos (incluidos radar, sonar y LiDAR) para generar detecciones de objetos. Simule exploraciones mecánicas y electrónicas en acimut, elevación o ambos. Modele sensores de receptor de advertencia de radar (RWR), medida de soporte electrónico (ESM), sonar pasivo e infrarrojos para generar detecciones de solo ángulo para su uso en escenarios de seguimiento. Modele sistemas de radar y sonar multiestáticos con emisores y sensores.
Simulaciones Montecarlo
Realice simulaciones Montecarlo utilizando diferentes valores de ruido aleatorios. Introduzca perturbaciones en las configuraciones de validación (ground-truth) y de los sensores para aumentar la robustez de las pruebas.
Localización para plataformas de seguimiento
Realice la fusión de sensores IMU, GPS y altímetros para determinar la orientación y la posición a lo largo del tiempo y permitir el seguimiento con plataformas móviles. Estime la orientación y la posición para los sistemas de navegación inercial (INS) a lo largo del tiempo con algoritmos optimizados para diferentes configuraciones de sensores, requisitos de salida y restricciones de movimiento.
Modelos de sensores INS
Modele sensores de unidad de medición inercial (IMU), GPS, altímetros e INS. Ajuste los parámetros del medioambiente, tales como la temperatura, y las propiedades de ruido de los modelos para emular entornos del mundo real.
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) para estimar la orientación.
Estimación de la pose
Estime la pose 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.
Visualizaciones de escenarios
Represente gráficamente la orientación y la velocidad de los objetos, las trayectorias de validación (ground-truth), las mediciones de sensores y los seguimientos en 3D. Represente gráficamente las incertidumbres de detección y seguimiento. Visualice los ID de seguimiento con registros de historial.
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 o error al cuadrado de estimación normalizado promedio (ANEES). Utilice las métricas integradas de OSPA y GOSPA para obtener una puntuación única de rendimiento. Analice el ruido de un sensor inercial usando la varianza de Allan.
Ajuste de filtros y seguidores
Ajuste los parámetros de los seguidores multiobjeto, tales como el umbral de asignación, la función de inicialización del filtro, y los umbrales de confirmación y eliminación, para maximizar el rendimiento. Compare los resultados entre seguidores y configuraciones de seguidores. Ajuste automáticamente los filtros INS para optimizar los parámetros de ruido.
Generación de código
Genere código C/C++ y MEX para la aceleración de simulaciones o el prototipado de escritorio con MATLAB Coder™. Aplique umbrales de cálculo de costes para reducir el tiempo dedicado al cálculo del coste de asignación.