Sensor Fusion and Tracking Toolbox

新製品

 

Sensor Fusion and Tracking Toolbox

マルチセンサー追跡およびナビゲーション システムの設計およびシミュレーション

 

Sensor Fusion and Tracking Toolbox には、複数のセンサーからのデータを融合して、位置、向き、および状況認識を維持するシステムの設計、シミュレーション、および解析のためのアルゴリズムとツールが用意されています。参照例を元にして、空中、地上、船上、および水中の監視、ナビゲーション、および自律システムのコンポーネントを実装することができます。

このツールボックスには、マルチオブジェクト トラッカー、センサー フュージョン フィルター、モーションおよびセンサー モデル、データアソシエーションアルゴリズムが含まれていて、実際のデータと合成データを使用してフュージョン アーキテクチャを評価できます。Sensor Fusion and Tracking Toolbox では、シナリオと軌跡のインポートと定義、信号のストリーミング、RF、音響、EO/IR、および GPS/IMU センサーなど、アクティブおよびパッシブ センサーの合成データの生成を行うことができます。システムの精度とパフォーマンスを標準のベンチマーク、メトリックス、およびアニメーション プロットで評価することもできます。

シミュレーションの高速化またはデスクトップ プロトタイピングのために、このツールボックスは C コード生成をサポートしています。 

軌跡およびシナリオの生成

グラウンドトゥルース中間点ベースおよび速度ベースの軌跡とシナリオを生成します。追跡シナリオ用のプラットフォームとターゲットをモデル化します。

物体姿勢の生成

さまざまな参照フレーム内の物体の真位置、速度、および向きを定義します。

物体姿勢。

追跡シナリオの作成

航空機、地上車両、または船舶をモデル化します。プラットフォームは、センサーを搭載でき、信号源となったり、信号を反射したりします。プラットフォームは静止状態と移動状態の両方に対応し、センサーおよびエミッターの搭載が可能で、信号を反射するアスペクト依存シグネチャを含みます。 

マルチプラットフォーム レーダー検出生成。

回転、向き、および四元数

四元数、オイラー角、回転行列、および回転ベクトルを使用して、向きと回転を表します。ボディフレームに対するセンサーの向きを定義します。 

回転、向き、および四元数。 

センサーモデル

さまざまな環境条件下で IMU (加速度計、ジャイロスコープ、磁力計)、GPS 受信機、レーダー、ソナー、および IR からの測定をシミュレーションします。

慣性および GPS センサー

IMU (慣性測定装置)、GPS (グローバル ポジショニング システム)、および INS (慣性航法装置) をモデル化します。温度などの環境パラメーターとモデルのノイズプロパティを調整して、現実世界の環境を模倣します。

IMU および GPS モデル。

アクティブセンサー

レーダーおよびソナーのセンサー、およびエミッターをモデル化して、ターゲットの検出を生成します。方位角および/または仰角で機械的および電子的スキャンをシミュレーションします。

スキャン レーダー モード構成。

パッシブセンサー

RWR (レーダー警報受信機)、ESM (電子支援装置)、パッシブ ソナー、および赤外線センサーをモデル化して、追跡シナリオで使用する角度のみ検出を生成します。エミッターおよびチャネルのプロパティを定義して、干渉をモデル化します。

単一センサーを使用したパッシブ測距。

慣性センサー フュージョン

さまざまなセンサー構成、出力要件、および動きの拘束に対して最適化されたアルゴリズムで、時間経過に伴う向きと位置を推定します。

向き推定

加速度計と磁力計の示度を融合して、電子コンパス (eCompass) をシミュレーションします。加速度計、ジャイロスコープ、および磁力計の示度を姿勢方位基準システム (AHRS) フィルターを使用して融合します。

慣性センサー フュージョンによる向き。

姿勢推定

慣性センサーおよび GPS を使用して、非ホロノーム方位拘束の有無による姿勢を推定します。慣性センサーと高度計またはビジュアル オドメトリを融合することによって、GPS を使用せずに姿勢を決定します。

ビジュアル慣性オドメトリ。

推定フィルター

さまざまな運動モデルと測定モデルに、カルマンフィルター、粒子フィルター、および複数モデルフィルターを使用します。

オブジェクト追跡用フィルター

線形および非線形運動モデル、および測定モデルについて、線形、拡張、およびアンセンテッド カルマンフィルターを使用して、オブジェクトの状態を推定します。レンジのみまたは角度のみ測定による追跡も含め、非線形、非ガウス状態推定のためにガウス和および粒子フィルターを使用します。IMM (Interacting Multiple Model) フィルターで操縦ターゲットの追跡を改善します。

オブジェクト追跡用フィルター。

運動モデルと測定モデル

球面座標系および修正球面座標系とともに、直交座標系における一定速度、一定加速度、一定旋回、およびカスタム運動モデルで追跡フィルターを構成します。位置と速度、レンジ-角度、角度のみ、またはカスタム測定モデルを定義します.

運動モデル。

マルチオブジェクト追跡

さまざまなセンサーからの情報を融合するマルチオブジェクト トラッカーを作成します。追跡するオブジェクトについて単一または複数の仮説を維持します。

トラッカー

推定フィルター、割り当てアルゴリズム、および追跡管理ロジックをマルチオブジェクト トラッカーに統合して、検出を追跡に融合します。不確定な状況下で密接しているターゲットを追跡するなど、困難なシナリオでは、複数仮説トラッカー (MHT) を使用します。

マルチオブジェクト トラッカー。

トラック割り当て

グローバル最近傍 (GNN) 割り当て問題に対する最善または k-best なソリューションを見つけます。S-D 割り当て問題を解決します。検出をトラックに、またはトラックをトラックに割り当てます。最近のトラック履歴またはトラックスコアに基づいてトラックを確認し、削除します。

トラック管理およびデータ結合。

トラック検出フュージョン

状態および状態共分散を融合します。パッシブセンサーからの角度検出の三角形分割など、同期検出を静的に融合します。

分散同期パッシブセンサーを使用した追跡。

可視化と解析

慣性フィルターとマルチオブジェクト追跡システムの性能を解析し、比較します。

シナリオの可視化

オブジェクトの向きと速度、グラウンド トゥルース軌跡、センサー測定値、およびトラックを 3D でプロットします。検出およびトラックの不確定性をプロットします。トラック ID を過去の追跡痕で可視化します。

シアタープロット。

センサーおよびトラックメトリクス

トラックの長さ、トラックの途切れ、およびトラック ID のスワップを含め、トラック確立、維持、および削除メトリクスを生成します。トラックの正確性を位置、速度、加速度、およびヨーレートの二乗平均平方根誤差 (RMSE) と二乗平均正規化推定誤差 (ANEES) によって推定します。アラン分散を使用して、慣性センサーノイズを解析します。

トラックメトリクス。

無料評価版を入手する

30 日間の無料評価版はこちら

今すぐダウンロード

あなたは学生ですか?

MATLAB および Simulink のアカデミック版の入手

詳細を見る