Sensor Fusion and Tracking Toolbox™는 여러 개의 센서에서 나오는 데이터를 융합하여 상황 인식과 위치 추정을 유지하는 시스템을 설계, 시뮬레이션 및 테스트하는 알고리즘을 제공합니다. 참조 예제는 공중, 우주, 지상, 선상, 수중 시스템과 같은 감시 및 자율 시스템의 다중객체 추적 및 센서 융합 개발의 시작점을 제공합니다.
능동/수동 레이더, 소나, 라이다, EO/IR, IMU, GPS 등 실제 센서의 데이터를 융합할 수 있습니다. 또한, 가상 센서에서 합성 데이터를 생성하여 다양한 시나리오에서 알고리즘을 테스트할 수도 있습니다. 이 툴박스에는 그리드 수준, 탐지 수준, 그리고 객체 또는 추적 수준 융합을 조합하는 아키텍처를 평가할 수 있는 다중객체 추적기 및 추정 필터가 포함되어 있습니다. 또한 지상 실측 장면과 비교하여 성능을 검증하는 OSPA, GOSPA 등의 메트릭도 제공합니다.
시뮬레이션 가속화 또는 신속 프로토타이핑을 위해 C 및 C++ 코드 생성을 지원합니다.
시작하기:
공역 감시
레이더, ADS-B, EO/IR 센서 등 능동 센서와 수동 센서의 데이터를 이용하여 여러 개의 객체를 추적할 수 있습니다. 추적기를 사용자 지정하여 기동 객체를 처리할 수 있습니다.
우주 감시
레이더 센서의 데이터를 사용하여 우주 상황 인식을 생성하여 여러 개의 우주 객체를 추적할 수 있습니다. 케플러 운동 모델 또는 기타 궤도 모델을 사용하도록 추적기를 구성할 수 있습니다.
지상 및 해상 감시
고해상도 레이더와 라이다 센서를 사용하여 지상 및 해상 응용 사례에서 확장 객체를 추적할 수 있습니다.
단일 센서 추적
다중객체 추적기를 모델링하고 시뮬레이션하여 스마트 센서에 필요한 처리를 수행할 수 있습니다. 이러한 처리는 원시 데이터를 객체 추적 목록으로 변환하는 절차도 포함합니다.
중앙 집중형 융합
여러 센서와 센서 모달리티의 데이터를 융합하는 중앙 집중형 추적기를 이용하여 확장 객체를 추적할 수 있습니다. 확률 가설 밀도(PHD) 추적기를 이용하여, 객체의 치수, 방향, 움직이는 객체의 운동학 및 객체의 크기 및 방향을 추정할 수 있습니다. 복잡한 도심 환경에 대해 RFS(무작위 유한 집합) 그리드 기반 추적기를 구현하여 그리드 셀의 운동학 뿐만 아니라 점유 여부를 추적할 수 있습니다.
트랙 수준 융합
다수의 추적원에서 나온 트랙을 융합하여 환경에 대한 더욱 종합적인 추정 결과를 제공할 수 있습니다. 대역폭 제약 조건을 갖는 시스템과 루머 제어를 이용하여 불필요한 결과를 제거하는 시스템의 트랙간 융합 아키텍처를 평가할 수 있습니다.
추정 필터 및 데이터 연결
선형, 비선형 칼만 필터, 다중모델 필터, 입자 필터 등 풍부한 추정 필터 라이브러리를 이용하여 객체 상태를 추정할 수 있습니다. 2차원 할당 문제 또는 S-D 할당 문제에 대한 최적해 또는 k개 최적해를 구할 수 있습니다. 탐지 결과를 탐지 결과로, 탐지 결과를 트랙으로, 트랙을 트랙으로 할당할 수 있습니다.
다중객체 추적기
추정 필터, 할당 알고리즘, 트랙 관리 로직을 다중객체 추적기에 통합하여 탐지 결과를 트랙으로 융합할 수 있습니다. 센서 데이터를 탐지 결과 형식으로 변환하고 간단한 시나리오에 GNN(전역 최근접이웃) 추적기를 이용할 수 있습니다. 측정 모호성이 존재하는 조밀 간격 목표물 추적과 같은 어려운 시나리오를 위해, 간편하게 JPDA(결합 확률 데이터 연관) 추적기, MHT(다중 가설 추적기), 또는 PHD 추적기로 전환할 수 있습니다.
확장 객체 및 그리드 기반 추적기
PHD 추적기를 사용하여 확장 객체의 운동학, 크기, 방향을 추적할 수 있습니다. 라이다 및 레이더 포인트 클라우드 등의 고해상도 센서 데이터를 사용하여 그리드 기반 RFS 추적기로 추적하여 복잡한 도심 환경에서 그리드 셀의 동적 특성을 추정할 수 있습니다.
트랙 수준 융합
추적 센서 또는 기타 트랙간 융합 객체에 의해 생성된 트랙을 융합할 수 있습니다. 대역폭 제약 시스템에서 분산 추적 시스템을 설계할 수 있습니다. 루머 확산을 줄여 불필요한 추적기 결과를 제거할 수 있습니다.
융합 아키텍처
추적기 아키텍처를 탐색하고 트랙간 융합, 중앙 수준 추적 또는 하이브리드 추적 아키텍처 사이의 설계상 장단점을 평가할 수 있습니다. IR, ESM 또는 바이스태틱 레이더 등 각도 전용, 거리 전용 센서에서 나온 탐지 결과를 정적(탐지 결과) 융합을 이용하여 조합할 수 있습니다.
객체 궤적 및 자세 생성
Tracking Scenario Designer 앱으로 대화형으로 시나리오를 정의하고, 다양한 참조 프레임 안에서 객체의 실제 위치, 속도, 방향을 정의하고 변환하는 MATLAB 스트립트를 생성할 수 있습니다.
능동 및 수동 센서 모델
레이더, 소나, 라이다 등 능동 센서를 모델링하여 객체 탐지 결과를 생성할 수 있습니다. 방위각, 고도각 또는 둘 다에 대한 기계적 스캔 또는 전자적 스캔을 시뮬레이션할 수 있습니다. RWR(레이더 경고 수신기), ESM(전자적 지원 장비), 수동 소나, 적외선 센서를 모델링하여 추적 시나리오에 활용할 수 있는 각도 전용 탐지 결과를 생성할 수 있습니다. 에미터와 센서를 이용하여 멀티스태틱 레이더와 소나 시스템을 모델링할 수 있습니다.
몬테카를로 시뮬레이션
다양한 랜덤 잡음 값을 이용하여 몬테카를로 시뮬레이션을 수행할 수 있습니다. 지상 실측 자료와 센서 구성을 변경하여 테스트 견고성을 높일 수 있습니다.
INS 센서 모델
IMU(관성 측정 장치), GPS, 고도계, INS 센서를 모델링할 수 있습니다. 모델의 온도, 잡음 속성 등의 환경적 파라미터를 조정하여 실제 환경을 모방할 수 있습니다.
방향 추정
가속도계와 자력계 측정값을 융합하여 전자 나침반(eCompass)을 시뮬레이션할 수 있습니다. 가속도계, 자이로스코프, 자력계 측정값을 AHRS(자세방위기준장치) 필터와 융합하여 방향을 추정할 수 있습니다.
자세 추정
관성 센서 및 GPS를 사용하여 비홀로노믹 방향 제약 조건의 유무와 관계 없이 자세를 추정할 수 있습니다. 관성 센서와 고도계 또는 시각적 주행거리 측정을 융합하여 GPS 없이 자세를 파악할 수 있습니다.
시나리오 시각화
객체, 지상 실측 궤적, 센서 측정값, 트랙의 방향과 속도를 3차원으로 플로팅할 수 있습니다. 탐지 결과와 트랙 불확실성을 플로팅할 수 있습니다. 트랙 ID와 내역을 시각화할 수 있습니다.
센서 및 추적 메트릭
트랙 길이, 트랙 단절, 트랙 ID 교환 등 트랙의 수립, 유지, 삭제 메트릭을 생성할 수 있습니다. 위치, 속도, 가속도, 요각(yaw rate), RMSE(제곱평균제곱근 오차), 또는ANEES(평균 정규화 추정 오차 제곱)로 트랙 정확도를 추정할 수 있습니다. 통합 OSPA, GOSPA 메트릭을 사용하여 성능을 단일 점수로 요약할 수 있습니다. Allan 분산을 사용하여 관성 센서 잡음을 분석할 수 있습니다.
필터 및 추적기 조정
할당 임계값, 필터 초기화 함수, 확정 및 삭제 임계값 등 다중객체 추적기의 파라미터를 조정하여 성능을 극대화할 수 있습니다. 여러 추적기 및 추적기 구성에 대한 결과를 비교할 있습니다. 자동으로 INS 필터를 조정하여 잡음 파라미터를 최적화할 수 있습니다.
코드 생성
MATLAB Coder™를 사용하여 시뮬레이션 가속화 또는 데스크톱 프로토타이핑을 위한 C/C++ 및 MEX 코드를 생성할 수 있습니다. 비용 계산 임계값을 적용하여 할당 비용 계산에 소모하는 시간을 줄일 수 있습니다.