当传感器检测与轨迹的关联是模糊的时，跟踪对象。在本例中，您使用一个单假设跟踪器、一个多假设跟踪器和一个概率数据关联跟踪器来比较跟踪器如何处理这种模糊性。为了更好地跟踪机动目标，需要使用各种模型对目标的运动进行估计。

使用多目标跟踪器执行类融合。

跟踪大量的对象。一个大鸟群被生成，一个全局最近邻多目标跟踪器，trackerGNN，用来估计鸟群中每只鸟的运动。

定义包含多个检测级多目标跟踪器和跟踪级融合算法的系统中的系统的跟踪体系结构。您可以使用跟踪体系结构来比较不同的跟踪系统设计，并为您的系统找到最佳解决方案。

使用trackerGNN追踪大量目标。类似的技术可以应用于trackerJPDA和trackerTOMHT也

调优并运行一个跟踪器来跟踪场景中的多个对象。该示例解释并演示了传感器融合和跟踪工具箱中跟踪器的关键属性的重要性。

利用跟踪器分析信息对跟踪过程中的检测和航迹关联进行分析。

设计并测试一个多车道跟踪算法。该算法在概率车道检测的驾驶场景中进行了测试。

处理多传感器跟踪系统中的无序测量(OOSM)。该示例使用各种处理技术比较OOSM出现时的跟踪结果。有关OOSM处理技术的更多信息，请参见使用过滤器回溯示例处理无序测量。

在MATLAB中定义跟踪系统的体系结构，并将其导出到Simulink模型中。您将比较各种跟踪系统设计，其中包括在Simulink中的多个检测级别的多目标跟踪器和跟踪融合器。您可以使用Simulink Variant系统为您的系统实现不同的体系结构解决方案。这个例子非常接近于系统的系统的定义和测试跟踪体系结构的MATLAB例子。

定义一个trackingArchitecture对象并将其导出到Simulink。

在Simulink®中使用传感器融合和跟踪工具箱™在模拟高速公路场景中配置和利用GNN和JPDA跟踪器。它密切关注在Simulink(自动驾驶工具箱)中使用合成雷达和视觉数据的传感器融合。在Simulink中对系统建模的一个主要好处是执行“假设”分析和选择基于需求的最佳性能的跟踪器的简单性。

当传感器检测与轨迹的关联不明确时，在带有传感器融合和跟踪工具箱™的Simulink®中跟踪对象。它紧紧跟随跟踪紧密间隔目标模糊MATLAB®的例子。

为处理检测和输出轨迹的MATLAB函数生成C代码。函数包含trackerGNN，但任何追踪器都可以代替。

在航迹来自具有不同状态定义的异构源的场景中，为航迹级融合算法生成代码。本例基于雷达和激光雷达数据的航迹级融合示例，其中激光雷达和雷达源生成的航迹状态空间是不同的。