Я хочу отслеживать несколько объектов в трехмерном пространстве, однако я написал classdef
для визуального отслеживания объекта с помощью расширенного фильтра Калмана в Matalb. Он работает нормально для одного объекта объекта. Однако я хочу отслеживать несколько объектов одного и того же трехмерного пространства и вызывать этот класс во внешних вложенных циклах for
. Все, что я неправильно понимаю/запутываю, это то, как вызвать это во внешних циклах, чтобы узнать прогнозируемое значение каждого объекта. У меня есть Constructor
, в котором определены предположения и инициализация переменных, и, насколько я понимаю, он должен быть инициализирован один раз для каждого объекта, а не в каждой итерации цикла.
Как инициализировать это для каждого объекта и получить прогнозируемое значение. Предположения/конструктор могут быть определены только вне класса, поскольку он предполагает первые 2 строки объекта.
Пожалуйста, помогите мне выбраться из этого, это так запутывает меня.
Мои внешние циклы:
for ii = i:1000 % position of objects
for jj = 1:5 %5 objects
predictedS = EKF(obj{jj}(ii,:));
predictedS=predictedS.EKFpredictor;
end
Мой расширенный фильтр Калмана:
classdef EKF <handle
properties (Access=private)
H
K
Z
Q
M
ind
A
X
Xh
P
a
b
end
methods
function obj = EKF(position)
obj.H = [];
obj.K = [];
obj.Z = [];
obj.ind=0; % indicator function. Used for unwrapping of tan
obj.Q =[0 0 0 0 0 0;
0 0 0 0 0 0;
0 0 0 0 0 0;
0 0 0 0.01 0 0;
0 0 0 0 0.01 0;
0 0 0 0 0 0.01];% Covarience matrix of process noise
obj.M=[0.001 0 0;
0 0.001 0;
0 0 0.001]; % Covarience matrix of measurment noise
obj.A=[1 0 0 0.1 0 0;
0 1 0 0 0.1 0;
0 0 1 0 0 0.1;
0 0 0 1 0 0;
0 0 0 0 1 0;
0 0 0 0 0 1]; % System Dynamics
obj.X(:,1)=position(1:6,1); % Actual initial conditions
obj.Z(:,:,1)=position(1,:)';% initial observation
obj.Xh(:,1)=position(1:6,1);%Assumed initial conditions
obj.P(:,:,1)=[0.1 0 0 0 0 0;
0 0.1 0 0 0 0;
0 0 0.1 0 0 0;
0 0 0 0.1 0 0;
0 0 0 0 0.1 0;
0 0 0 0 0 0.1]; %inital value of covarience of estimation error
end
function predictedS=EKFpredictor(obj)
function [ARG]=arctang(a,b,ind)
if b<0 && a>0 % PLACING IN THE RIGHT QUADRANT
ARG=abs(atan(a/b))+pi/2;
elseif b<0 && a<0
ARG=abs(atan(a/b))+pi;
elseif b>0 && a<0
ARG=abs(atan(a/b))+3*pi/2;
else
ARG=atan(a/b);
end
if ind==-1 % UNWARPPING PART
ARG=ARG-2*pi;
else
if ind==1;
ARG=ARG+2*pi;
end
end
end
for n = 1:100
obj.X(:,n+1)=obj.A*obj.X(:,n)+[0;0;0;sqrt(obj.Q(4,4))*randn(1);sqrt(obj.Q(5,5))*randn(1);sqrt(obj.Q(6,6))*randn(1)];
obj.Z(:,n+1)=[sqrt(obj.X(1,n)^2+obj.X(2,n)^2);arctang(obj.X(2,n),obj.X(1,n),obj.ind);obj.X(3,n)]+[sqrt(obj.M(1,1))*randn(1);sqrt(obj.M(1,1))*randn(1);sqrt(obj.M(1,1))*randn(1)];
obj.Xh(:,n+1)=obj.A*obj.Xh(:,n);
predictedS=obj.Xh';
obj.P(:,:,n+1)=obj.A*obj.P(:,:,n)*obj.A'+obj.Q;
obj.H(:,:,n+1)=[obj.Xh(1,n+1)/(sqrt(obj.Xh(1,n+1)^2+obj.Xh(2,n+1)^2)), obj.Xh(2,n+1)/(sqrt(obj.Xh(1,n+1)^2+obj.Xh(2,n+1)^2)),0,0,0,0; ...
-obj.Xh(2,n+1)/(sqrt(obj.Xh(1,n+1)^2+obj.Xh(2,n+1)^2)), obj.Xh(1,n+1)/(sqrt(obj.Xh(1,n+1)^2+obj.Xh(2,n+1)^2)),0,0,0,0; ...
0,0,1,0,0,0];
obj.K(:,:,n+1)=obj.P(:,:,n+1)*obj.H(:,:,n+1)'*(obj.M+obj.H(:,:,n+1)*obj.P(:,:,n+1)*obj.H(:,:,n+1)')^(-1);
Inov=obj.Z(:,n+1)-[sqrt(obj.Xh(1,n+1)^2+obj.Xh(2,n+1)^2);arctang(obj.Xh(2,n+1),obj.Xh(1,n+1),obj.ind);obj.Xh(3,n+1)];
obj.Xh(:,n+1)=obj.Xh(:,n+1)+ obj.K(:,:,n+1)*Inov;
obj.P(:,:,n+1)=(eye(6)-obj.K(:,:,n+1)*obj.H(:,:,n+1))*obj.P(:,:,n+1);
theta1=arctang(obj.Xh(1,n+1),obj.Xh(2,n+1),0);
theta=arctang(obj.Xh(1,n),obj.Xh(2,n),0);
if abs(theta1-theta)>=pi
if obj.ind==1
obj.ind=0;
else
obj.ind=1;
end
end
end
end
end
end
end