此示例演示如何在具有传感器融合和跟踪工具箱的 Simulink 中执行跟踪到跟踪融合。在自动驾驶的背景下，该示例说明了如何使用轨道到跟踪融合器块构建分散式跟踪架构。在该示例中，每辆车独立执行跟踪，并融合从其他车辆接收的跟踪信息。
一、介绍
汽车安全应用在很大程度上依赖于车辆的态势感知。更好的态势感知为不同情况的成功决策提供了基础。为了实现这一目标，车辆可以从车辆间数据融合中受益。此示例说明了 Simulink 中融合两辆车数据以增强车辆态势感知的工作流程。
二、模型的设置和概述
在运行此示例之前，使用 driveScenario 对象创建在汽车安全应用的轨道到轨道融合中定义的相同方案。然后，此方案中的道路和参与者将保存到方案对象文件“跟踪跟踪”融合研讨会.mat 中。
三、跟踪和融合
在模型的跟踪和融合部分中，有两个子系统在此场景中实现车辆 1 和车辆 2 的目标跟踪和融合功能。
3.1 车辆 1 子系统
此子系统包括场景读取器（自动驾驶工具箱）块，该块从保存的文件中读取执行组件姿势数据。该块将演员的姿势从场景的世界坐标转换为自我车辆坐标。演员的姿势在块生成的总线上流式传输。传感器仿真子系统使用参与者姿势，该子系统生成雷达和视觉检测。然后将这些检测传递到 JPDA 跟踪器 V1 块，该块处理检测以生成跟踪列表。然后将轨道传递到轨道串联1块中，该块连接这些输入轨道。履带串联1模块的第一个输入是来自JPDA跟踪器的本地轨道，第二个输入是从另一辆车的轨道融合器接收的轨道。要将本地轨道转换为中心轨道，轨道融合器需要有关本地轨道的参数信息。但是，此信息无法从JPDA跟踪器的直接输出中获得。因此，帮助程序更新姿势块用于通过从 v1Pose.mat 文件读取数据来提供此信息。然后，更新的曲目作为输入广播到T2TF跟踪器V1块。最后，履带到履带式定影器T2TF履带式录像机V1模块将本地车辆履带与从另一辆车的履带式定影器接收的履带融合器熔断。每次更新后，每辆车上的履带融合器都会广播其融合的履带，以便在下一个时间戳中馈送到另一辆车的履带式热熔器的更新中。
3.2 车辆 2 子系统
车辆 2 子系统遵循与车辆 1 子系统类似的设置。
3.3 可视化
可视化块是使用 MATLAB 系统块实现的，并使用帮助器跟踪光盘块定义的。该块分别使用运行时间对象参数输出，确认轨道，跟踪和确认的检测聚类跟踪，JPDA跟踪器V1，更新姿势V1，T2TF跟踪器V1块分别用于车辆1和运行时间对象参数输出，确认跟踪，跟踪和确认的检测轨道聚类，JPDA跟踪器V2，更新姿势V2，T2TF跟踪器V2块，用于车辆2以显示其输出。
四、结果
运行模型后，可以可视化结果。此动画显示此模拟的结果。
可视化包括两个面板。左侧面板显示车辆 1 在仿真过程中生成的检测、本地轨迹和融合轨迹，并表示车辆 1 的态势感知。右侧面板显示了车辆 2 的态势感知。
记录的检测由黑色圆圈表示。车辆 1 的局部轨道和融合轨道分别由正方形和菱形表示。车辆2的本地和融合轨道由一个纯黑色正方形和一颗菱形表示。在仿真开始时，车辆 1 检测停放在街道右侧的车辆，并确认与停放车辆相关的轨迹。目前，车辆 2 仅检测其前方的车辆 1。随着仿真的继续，来自车辆 1 的已确认轨迹将广播到车辆 2 上的热熔器。在融合轨道后，车辆2在自行检测这些物体之前会意识到这些物体。同样，车辆 2 轨道广播到车辆 1。车辆1融合这些轨道，并在自行检测物体之前意识到它们。
特别是，观察到站在街道右侧的蓝色和紫色汽车之间的行人被车辆 1 检测到并跟踪。车辆 2 首先通过以大约 0.8 秒的速度将车辆 1 的轨道融合起来，从而意识到行人。车辆2大约需要3秒钟，然后才开始使用自己的传感器检测行人。基于车辆1输入跟踪行人的能力允许车辆2扩展其态势感知并降低事故风险。
五、总结
此示例显示了如何在 Simulink 中执行轨道到轨道融合。学习了如何使用分散式跟踪架构来执行跟踪，其中每辆车都负责维护其自身的本地轨道，融合来自其他车辆的轨迹，并将轨道传送到其他 车辆。还可以使用 JPDA 跟踪器块来生成本地跟踪
六、程序
程序获取：
程序大全：
