Formazione MATLAB e Simulink

Fusione di sensori e tracciamento di oggetti con MATLAB

Guarda il programma e iscriviti

Dettagli dei corsi

Questo corso della durata di un giorno fornisce un'esperienza pratica nello sviluppo e test di algoritmi di localizzazione e tracking. Gli esempi e gli esercizi illustrano l'uso di appropriate funzionalità di MATLAB® e Sensor Fusion and Tracking Toolbox™.
 
Elenco degli argomenti:
 
  • Localizzazione per l'orientamento e la posizione
  • Generazione di scenari e importazione di rilevamenti dei sensori
  • Modelli di movimento e filtri
  • Associazione di dati
  • Tracker multi-oggetto

Giorno 1/1


Localizzazione per l'orientamento e la posizione

Obiettivo: Fondere i dati dei sensori da IMU e GPS per fare una stima di posizione e orientamento

  • Misurazione di modelli da accelerometri, giroscopi, magnetometri e GPS.
  • Fusione dei dati dei sensori per fare una stima di posa in termini di posizione, velocità e orientamento.
  • Visualizzazione della stima di posa e tracciamento di piattaforme e traiettorie.

Generazione di scenari e importazione di rilevamenti

Obiettivo: Importare ed elaborare rilevamenti o generare scenari utilizzati in tracker multi-oggetto.

  • Pre-elaborazione e creazione di un pacchetto contenente i rilevamenti dei sensori raccolti.
  • Creazione di uno scenario di tracking con più piattaforme e sensori.
  • Definizione di traiettorie waypoint o cinematiche.
  • Personalizzazione dei parametri dei sensori.
  • Generazione di rilevamenti utilizzati negli algoritmi di fusione dei sensori.

Modelli di movimento e filtri

Obiettivo: Selezionare e mettere a punto filtri e modelli di movimento sulla base dei requisiti di tracking.

  • Valutazione di filtri sulla base dei requisiti dello scenario.
  • Confronto e contrapposizione di modelli di movimento diversi.
  • Configurazione di un filtro Interacting Multiple Model (IMM) per tracciare manovre diverse.

Associazione di dati

Obiettivo: Determinare il metodo appropriato di associazione di dati per le diverse situazioni di tracking.

  • Scelta tra Global Nearest Neighbor (GNN), Joint Probabilistic Data Association (JPDA), Track-Oriented Multiple Hypothesis (TOMHT) e altri metodi di associazione di dati.
  • Analisi del modo in cui più rilevamenti sono assegnati a oggetti diversi.

Tracker multi-oggetto

Obiettivo: Creare tracker multi-oggetto per fondere le informazioni ottenute da più sensori come visione, radar e LiDAR.

  • Configurazione di tracker e parametri.
  • Esecuzione della gestione e associazione di oggetti.
  • Visualizzazione di oggetti tracciati.

Appendice A: Tracker per sensori passivi

Obiettivo: Creare tracker multi-oggetto e sistemi di fusione che ricevano misurazioni solo angolari o solo intervallari da sistemi di sensori passivi.

  • Triangolazione dei rilevamenti lineari multipli.
  • Esecuzione di fusione statica di rilevamenti di sensori sincroni passivi.
  • Tracking con misurazioni solo intervallari.
  • Tracking con misurazioni solo angolari.

Livello: Intermedio

Prerequisiti:

Durata: 1 giorno

Lingue: English, 한국어

Guarda il programma e iscriviti