Simulink中的自动泊车代客金宝app

这个例子使用了:

开放模式

本示例展示了如何在Simulink®中使用自动驾驶工具箱™构建一个自动泊车代客系统。金宝app它紧跟自动代泊车员MATLAB®的例子。

简介

自动将停在停车场前的汽车停车是一个具有挑战性的问题。自动驾驶汽车的自动系统预计将接管并驾驶汽车到一个可用的停车位。本例着重于规划通过环境的可行路径，从该路径生成轨迹，并使用可行控制器执行轨迹。地图创建和动态避障不在本例中。

在模拟之前，helperSLCreateCostmap函数在PreLoadFcn模型的回调函数。有关使用回调函数的详细信息，请参见模型的回调(金宝app模型)．的helperSLCreateCostmap函数创建停车场的静态地图，其中包含关于静止障碍物、道路标记和停放的汽车的信息。映射用a表示vehicleCostmap对象。

使用vehicleCostmap对象在Simulin金宝appk®，该helperSLCreateUtilityStruct函数将vehicleCostmap转换为块的掩码初始化中的结构数组。详情请参见初始化的面具(金宝app模型)．

全局路线计划被描述为要到达一个停车位所要穿越的一系列车道段。在模拟之前，PreLoadFcn模型的回调函数加载路由计划，该计划存储为表。该表指定了段的开始和结束姿势，以及段的属性，例如速度限制。

routePlan = 5×3 table StartPose EndPose Attributes ________________ ____________________ __________ 4 12 0 56 11 0 1×1 struct 56 11 0 70 19 90 1×1 struct 70 19 90 70 32 90 1×1 struct 70 32 90 52 38 180 1×1 struct 53 38 180 36.3 44 90 1×1 struct

本例中许多块的输入和输出是Simulink总线(金宝app金宝app仿真软件。公共汽车(金宝app模型)类)。在PreLoadFcn模型的回调函数helperSLCreateUtilityBus函数创建这些总线。

规划是一个层次过程，每个连续的层负责一个更细粒度的任务。行为层[1]位于堆栈的顶部。的行为计划块通过为全局路由计划提供中间目标和配置来触发一系列基于全局路由计划的导航任务运动规划而且轨迹生成块。每个路径段使用以下步骤进行导航:

运动规划:使用最优快速探索随机树(RRT*)算法(pathPlannerRRT）.
轨迹生成:平滑参考路径通过拟合样条[2]到它使用路径平滑样条块。方法生成速度剖面，然后将平滑路径转换为轨迹速度分析器块。
车辆控制:HelperPathAnalyzer为控制车辆转向和速度的车辆控制器子系统提供参考信号。
目标检测:检查车辆是否已达到使用段的最终姿态helperGoalChecker．

探索子系统

车辆控制器子系统包含一个横向控制人StanleyBlock和a纵向控制器斯坦利块分别调节车辆的姿态和速度。要处理真实的车辆动力学[3]，汽车模型Stanley块中的参数设置为动态自行车模型．使用这种配置，需要额外的输入，例如路径曲率、车辆的当前偏航率和当前转向角度，以计算转向命令。纵向控制器Stanley块使用切换比例积分控制器来计算加速和减速命令，从而驱动车辆的刹车和油门。

为了演示性能，将车辆控制器应用于车辆模型块，其中包含一个简化的转向系统[3]，建模为一阶系统和一个车身3DOF(车辆动力组)块在自动驾驶工具箱™和车辆动力学块集™之间共享。与采用的运动学自行车模型进行了比较自动代泊车员以MATLAB®为例，由于考虑了惯性效应，如轮胎滑移和转向伺服驱动，因此该车辆模型块更加准确。