玛哈西·帕特尔
大家好。在本视频中,我们将讨论设计自动驾驶系统的核心任务,我们将了解如何将这些操作集成到开发自适应巡航控制功能中。这是自动驾驶工具箱中公路车道跟随功能的参考示例。我们使用MATLAB编写核心算法和d Simulink将这些算法作为一个模型进行集成和仿真。金宝app
开发自动驾驶系统通常涉及创建感知、规划和控制算法。然后在虚拟环境中集成并迭代测试这些算法,并使用合成场景进行快速、安全和经济高效的开发。一个常见的模拟工作流从使用传感器模型感知周围环境开始。
自动驾驶工具箱包含用于配置参数和从摄像头、雷达和激光雷达传感器获取数据的模块。采集的传感器数据使用可用的算法进行处理,用于检测目标,包括车道、行人、车辆等。
在本例中,Vision Detect变体块从摄像机传感器数据检测车道和车辆。这些来自多个传感器的检测然后使用传感器融合算法进行组合。Forward Vehicle Sensor Fusion模块结合了来自摄像机和雷达传感器的目标检测,管理移动目标的轨迹,并消除错误检测。
在目标检测的基础上,规划算法计算并改变自我车辆的轨迹。车辆控制系统通过指定文字和纵向决策逻辑,最终使自动驾驶车辆能够遵循计划轨迹。该子系统包含模型预测控制。该控制器通过使用内部车辆模型,基于长度和车辆检测来预测未来行为,从而提供最优控制动作。
现在我们需要一个场景来模拟算法。你可以选择一个预先构建的场景,也可以自己创建一个。驾驶场景设计师应用程序可以用来创建、编辑和可视化场景,包括道路、车辆和传感器。这是一个预先构建的场景,它的开放外观模拟显示了前车减速并导致碰撞。
Simulation 3D Scenario子系统将预览的场景读取到Simulink中,并为3D仿真配置模型。金宝app
接下来,为了模拟控制算法对车辆的影响,我们需要车辆的动力学方程。车辆动力学块指定eco车辆的动力学模型,并根据控制器输入输出该车辆的立柱和速度。度量评估块用于评估系统级行为。
现在,让我们在3D仿真环境中测试这些算法的集成。可以在模拟过程中可视化多个具有覆盖的视图。车道和车辆检测显示在图像帧顶部,同时还可以实时绘制eco车辆速度和相对距离度量。记录传感器数据和指标,以便在模拟后进行绘图和分析。
鸟瞰范围和视频显示,eco车辆成功地检测到线路和车辆。此外,控制器处理检测以保持在车道内,并在需要时减速以避免事故。因此,现有算法可以在3D环境中轻松集成和模拟,用于开发数据和自动driving功能。
您还可以使用此示例模拟其他预构建场景。下面是另一个示例,演示了集成完成后如何自动测试高速公路车道跟随功能。通过安装自动驾驶工具箱,您可以尝试这些和其他参考示例,并在这些示例的基础上构建复杂的算法。有关更多详细信息,请查看自动驾驶工具箱产品页的链接和参考示例。
您还可以从以下列表中选择网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区网站未针对您所在地的访问进行优化。