“一个工程师小组利用现成的硬件和控制算法，通过基于模型的设计(Model-Based Design)开发并实现了一辆自动驾驶汽车。虽然该系统还没有准备好生产，但它确实以实用的设计方法展示了重要的设计理念。”
Mark Tucker博士，TMETC
在英国考文垂测试TMETC的自动驾驶汽车。
在2013年秋季预算陈述中，英国政府介绍了鼓励英国自动驾驶汽车发展的措施。2014年7月，英国的创新机构创新英国推出了“向英国道路推出无人驾驶汽车”竞争。英国Autodrive是授予资金的三个项目之一。该项目将领先的汽车公司，学术机构，立法者，保险公司和其他利益攸关方汇集在三年的自动驾驶车辆和连通汽车技术的三年试验中，将英国作为研究，开发和整合的全球枢纽建立自动驾驶车辆和相关技术。
作为英国AutoDrive的一部分，Tata Motors欧洲技术中心（TMETC）开发了自主驾驶软件，并将其部署在装备现成的逐线硬件的Tata Hexa SUV中。来自TMETC的一小组工程师开发了传感器感知，运动规划和车辆控制算法。基于模型的Matlab设计®和模拟金宝app®使这支团队能够在纸上的设计中快速移动到模拟，然后在车辆中的嵌入式ECU上运行。
TMETC的金宝app首席工程师Mark Tucker博士说:“有了Simulink，我们可以专注于高层次的设计实现，而不是低级的编码。”“这对我们来说很重要，因为我们的目标是交付一款功能性的工具，而不是展示我们的编码技能。”
TMETC团队的旨在提供一个可爱的自驾驶车辆，其中一支用于一小组工程师，同时按照计划和预算保持项目。为了满足这些目标，他们可以在可能的情况下依赖于现成的成分，并寻找缩短核心控制算法的开发时间的方法。
主要设计挑战是集成了系统的许多不同元素。这些元素包括雷达，激光雷达，GPS，惯性测量和单声道，以及传感器融合，运动规划，同时定位和映射和车辆控制的算法。
所有部件之间的通信都必须记录，以符合英国的法规，尤其是交通部(Department of Transport)发布的《无人驾驶汽车之路:测试操作守则》(The path to Driverless Cars: A Code of Practice for Testing)。该团队决定使用机器人操作系统(ROS)中间件来解决集成和日志记录需求。因此，他们编写的算法需要ROS接口，团队需要一种可视化和分析记录的ROS数据的方法。
自动驾驶汽车顶部安装的传感器。
TMETC的工程师使用Simulink来模拟，金宝app模拟和为在自主六章中部署的运动规划和车辆控制算法生成代码。
提出了三种车辆控制算法:纯跟踪、车道保持和模型预测控制。为了评估每个算法，他们将其与简单的车辆横向和纵向模型集成，并进行闭环仿真。
纯追踪方法缺乏足够的稳定性，车道保持方法在需要窄弯道和低速行驶的城市中心表现相对较差。该模型预测控制器在一系列操作场景的仿真中表现良好。
该团队通过参考设定点，车辆动态测量和车辆动力学模型来精制横向和纵向模型预测控制器，以产生用于转向，加速和制动的最佳车辆控制序列，以便遵循计划的轨迹。
使用硬件循环测试来检查硬件接口。
TMETC团队使用嵌入式编码器从他们的运动规划算法生成代码®并将其部署到安装在车上的基于linux的PC上。利用Simu金宝applink Real-Time™，他们将车辆控制算法部署到speedgoat.目标硬件安装在车辆。
进行了道路测试，在测试期间，数据从ROS数据和直接从车辆控制器中记录。使用RViz、MATLAB和Robotics System Toolbox™对数据进行分析和可视化。为了调试和进一步完善控制算法，通过控制器回放记录的驾驶场景数据。
TMERC成功地证明了他们在英国自动化项目在考文垂和米尔顿凯恩斯的城市道路和基于网桥街道的混合物中的自主车辆。
您还可以从以下列表中选择一个网站：