Formación en MATLAB y Simulink

Fusión de sensores y seguimiento de objetos con MATLAB

Vea los horarios e inscríbase

Detalles del curso

Este curso de un día ofrece experiencia práctica en el desarrollo y la prueba de algoritmos de localización y seguimiento. Los ejemplos y ejercicios muestran el uso de las funciones de MATLAB® y Sensor Fusion and Tracking Toolbox™ relevantes.
 
Temas incluidos:
 
  • Localización para orientación y posición
  • Importación de detección de sensores y generación de escenas
  • Filtros y modelos de movimiento
  • Asociación de datos
  • Seguidores de objetos múltiples

Día 1 de 1


Localización para orientación y posición

Objetivo: Fusione datos de sensores IMU y GPS para calcular la posición y la orientación.

  • Modelar mediciones de GPS, acelerómetros, giroscopios y magnetómetros.
  • Fusionar datos de sensor para calcular la posición en términos de posición, velocidad y orientación.
  • Visualizar la estimación de posición y representar plataformas y trayectorias.

Importación de detección y generación de escenas

Objetivo: Importe y procese detecciones o genere escenarios utilizados en seguidores de objetos múltiples.

  • Preprocesar y empaquetar las detecciones de sensores recopiladas.
  • Crear un escenario de seguimiento con múltiples sensores y plataformas.
  • Definir trayectorias cinemáticas o waypoints.
  • Personalizar los parámetros de sensores.
  • Generar detecciones utilizadas en algoritmos de fusión de sensores.

Filtros y modelos de movimiento

Objetivo: Seleccione y ajuste filtros y modelos de movimiento según los requisitos de seguimiento.

  • Evaluar los filtros en función de los requisitos del escenario.
  • Comparar y contrastar los diferentes modelos de movimiento.
  • Configurar un filtro de modelo multiplicativo (IMM) para el seguimiento de diferentes maniobras.

Asociación de datos

Objetivo: Determine el método de asociación de datos adecuado para distintas situaciones de seguimiento.

  • Elegir entre Global Nearest Neighbor (GNN), Joint Probabilistic Data Association (JPDA), Track-Oriented Multiple Hypothesis (TOMHT) y otros métodos de asociación de datos.
  • Determinar cómo se asignan detecciones múltiples a diferentes seguimientos.

Seguidores de objetos múltiples

Objetivo: Cree seguidores de objetos múltiples para fusionar información de varios sensores, como cámaras, radares y LiDAR.

  • Configurar seguidores y parámetros.
  • Realizar la asociación y la gestión del seguimiento.
  • Visualizar los objetos para los que realiza el seguimiento.

Anexo A: Seguidores para sensores pasivos

Objetivo: Cree seguidores de objetos múltiples y sistemas de fusión que reciban mediciones de solo ángulo o solo rango de sistemas de sensores pasivos.

  • Triangular múltiples detecciones de campo visual.
  • Realizar la fusión estática de detecciones de sensores síncronos pasivos.
  • Realizar el seguimiento con mediciones de solo rango.
  • Realizar el seguimiento con mediciones de solo ángulo.

Nivel: Intermedio

Prerrequisitos:

Duración: 1 día

Idiomas: English, 한국어

Vea los horarios e inscríbase