塔塔汽车欧洲技术中心加速开发基于模型的自动车辆控制算法

TMETC团队的目标是在保证项目进度和预算的前提下，用一个小团队的工程师交付一辆可演示的自动驾驶汽车。为了满足这些目标，他们尽可能地依赖于现成的组件，并寻找缩短核心控制算法开发时间的方法。

一个主要的设计挑战是集成系统的许多不同的元素。这些要素包括雷达、激光雷达、GPS、惯性测量和单目视觉，以及用于传感器融合、运动规划、同步定位和测绘以及车辆控制的算法。

元件之间的所有通信都必须记录，以符合英国法规，特别是交通部发布的“无人驾驶汽车路径：测试实践规范”。团队决定使用Robot操作系统（ROS）中间件来满足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。

TMETC的工程师使用Simulink对部署在金宝app自主Hexa上的运动规划和车辆控制算法进行建模、模拟和生成代码。

开发了三种车辆控制算法：纯追踪、车道保持和模型预测控制。为了评估每种算法，他们将其与车辆的简单横向和纵向模型集成，并进行闭环仿真。

纯追踪法缺乏足够的稳定性，而车道保持法在城市中心区的表现相对较差，需要在狭窄的弯道和低速下行驶。模型预测控制器在跨越一系列操作场景的仿真中表现良好。

该团队改进了横向和纵向模型预测控制器，该控制器使用参考设定点、车辆动态测量值和车辆动力学模型来生成转向、加速和制动的最佳车辆控制序列，以遵循计划轨迹。

硬件在环测试用于检查硬件接口。

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^®并将其部署到车辆中安装的基于Linux的PC上。使用Simulink实时™, 他们部署了他们的车辆控制算法金宝appSpeedgoat安装在车辆中的目标硬件。

进行了道路试验，试验期间，从ROS数据以及直接从车辆控制器记录数据。使用RViz、MATLAB和机器人系统工具箱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，通过模拟中的控制器回放记录的驾驶场景数据。

在英国Autodrive项目在考文垂和米尔顿凯恩斯进行的车辆试验中，TMETC成功地在城市道路和网格街道的混合环境中演示了他们的自动驾驶汽车。

• 实时控制器实现加速。塔克说：“一旦我们准备好在车辆上进行测试，我们就使用Simulink实时将车辆控制器部署到Speedgoat硬件上。”。金宝app
• 简化了调试。塔金宝app克说:“Simulink使我们能够在模拟中回放道路测试的数据。“我们可以在任何时候停止模拟，从而有可能深入控制模型，查看发生了什么，并解决我们在算法中发现的任何异常。”
• 开发时间集中在设计上。塔克说：“所有的运动规划和车辆控制代码都是从我们的Simulink模型中生成的。这为我们节省了大量时间，因为我们可以专注于高级设计，而不是在代码中金宝app实现方程和处理异常。手工编写控制算法将是一项更大的任务。”