MATLAB和Simu金宝applink Release 2019b是关于汽车功能的主要版本。下面的文章将重点介绍自动驾驶的亮点，即3D仿真功能。在为自动驾驶或主动安全设计感知系统和控制算法时，这些工具可以提供很大的帮助。为了更完整地了解最新功能，我建议检查这个R2019b特性列表如果你只感兴趣，可以直接进入这一部分汽车应用程序．

三维仿真环境

开发和调整主动安全或自动驾驶应用程序的控制算法需要大量记录的传感器数据或虚拟开发环境。今天，这两种方法都是必需的，因为一种方法不能完全取代另一种方法。

在第一种方法中，传感器数据在道路上行驶时收集。这些数据将被使用并简单地说重新播放到控制算法中。数据量随着对算法鲁棒性和安全性要求的提高而增加。因此，您需要在不同条件下覆盖足够数量的道路。或者，您可以依赖于一个虚拟的工作流，在这个工作流中，不同的条件可以在软件中完成，而且通常工作要少得多。

虚拟发展感知系统的基本要素是:

• 虚拟环境基础设施
  金宝app集成并共同模拟虚幻引擎4©Epic Games，并允许您在逼真的3D环境中进行模拟。
• 虚拟传感器模型
  把这些传感器看作是软件，它们产生的信号与实际传感器等效，但来自虚拟场景。有了R2019b，现在有了一整套虚拟传感器，包括相机、激光雷达和雷达。
• 虚拟的场景
  自动驾驶工具箱提供直的和弯曲的道路，停车场，典型的美国城市街区以及高速公路。也Mcity在美国，密歇根大学(University of Michigan)的一个试验场就是其中之一。不用说，您可以创建自己的自定义场景与虚幻编辑器使用金宝app支持包．

相机传感器

模拟3D相机传感器不仅提供世界的RGB图像数据，还提供深度图和标记信息。可能的输出如下所示，即RGB图像(左)，灰度表示距离的深度图(中)和的输出语义分割(右)。有两种相机可供选择，一种是标准焦距，另一种是鱼眼镜头。它们都有一个失真模型，你可以校准以表示自定义摄像机．深度图可以与立体相机在后期处理后的输出进行比较。你以前可能用过立体相机，比如Kinect连同你的Xbox。立体视觉As的概念是通过比较同一场景的两个或多个视图，从相机图像中恢复深度信息。语义分割技术将图像的像素与类别标签相关联，如道路、天空、交通标志、汽车或行人。为了能够分配标签，语义分割网络需要使用示例数据进行训练。深度学习．

激光雷达传感器

激光雷达传感器有时被称为激光扫描仪，通过用激光照射目标并用传感器测量反射光，可以测量到目标的距离。3D激光雷达的输出是一个点云，即空间中的一组数据点，根据设备的水平分辨率进行更新。(也有2D激光雷达。在自动驾驶应用中主要使用3D激光雷达)。在下面的插图中找到一个点云示例。

这例子是探索基于虚拟激光雷达传感器数据开发感知算法概念的一个很好的起点。作为旁注，请允许我再链接两个例子，展示激光雷达在跟踪和地图构建方面的功能:使用激光雷达跟踪车辆而且从激光雷达数据构建地图．

应用实例

在总结关于3D虚拟环境和传感器模型的这一节时，我建议查看这个闭环控制模型的示例单目摄像机感知的车道跟随控制虚拟传感器数据用于在现实驾驶情况下控制汽车。

驾驶场景设计

上面的例子使用虚幻引擎4，它本身是相当在计算资源方面要求很高．如果你正处于自动驾驶开发的早期阶段，你可能更喜欢一个更简单、更快的环境。典型的用例是评估和比较传感器配置或算法概念。这时，驾驶场景设计师就可以发挥作用了。在MathWorks员工中，该工具通常被称为“长方体世界”，因为参与者以一种简化的方式表示为长方体。下面的例子展示了如何建模雷达的硬件、信号处理和传播环境——当然还有长方体(见左上方区域)。

该工具的美妙之处在于它的简单性。您可以使用拖放界面创建道路和角色模型。你也可以导入OpenDRIVE®数据如果它适用于您想要的场景。在安全关键应用的背景下，如紧急制动、紧急车道保持和车道保持辅助系统，一个预先构建的库代表欧洲新车评估计划(Euro NCAP®)的场景测试协议可用。

金宝app仿真软件的集成

找到下面的流程图，您将如何使用驾驶场景设计器结合Simulink。金宝app

应用实例

为了保持这篇文章的精神，我还在这里链接了一个例子，你可以在那里尝试功能。叫做"使用驾驶场景测试闭环ADAS算法”。

结论

总之，我希望你觉得这篇博客文章有趣，与你的工作相关。由于自动驾驶是一个巨大的话题，我们实际上欢迎您的评论和指导，关于我们未来应该覆盖什么。

谢谢，Best，
Christoph