此示例显示如何使用传感器融合和跟踪Toolbox™在Simulink®中执行跟踪融合。金宝app在自动驾驶的背景下,该示例说明了如何使用轨道定影块构建分散的跟踪架构。在该示例中,每个车辆独立执行跟踪以及从其他车辆接收的熔丝跟踪信息。这个例子紧跟了用于汽车安全应用的履带对履带融合MATLAB®的例子。
汽车安全应用主要依赖于车辆的情境意识。更好的情境意识为不同情况做出了成功的决策提供了基础。为实现这一目标,车辆可以从Intervehicle数据融合中受益。该示例说明了模拟链接中的工作流程,用于从两个车辆中融合数据以增强车辆的情境感知。金宝app
在运行此示例之前,驱动器Cenario.
对象用于创建定义的相同场景用于汽车安全应用的履带对履带融合.然后将此方案的道路和演员保存到方案对象文件中tracktotrackfusionscenario.mat.
.
在模型的跟踪与融合部分有两个子系统实现目标的跟踪与融合能力Vehicle1
和Vehicle2
在这种情况下。
Vehicle1
该子系统包括情景读者(自动驾驶工具箱)块,从已保存的文件中读取角色姿态数据。该块将演员的姿势从场景的世界坐标转换为自我载体坐标。演员的姿势在由街区生成的公共汽车上流动。传感器仿真子系统使用动作位姿,生成雷达和视觉检测。然后这些检测被传递给JPDA跟踪器V1
块处理检测以生成轨道列表。然后将轨道传递到一个跟踪Concatenation1
块连接这些输入轨道。第一个输入到了跟踪Concatenation1
块是来自JPDA跟踪器的本地轨道,第二个输入是来自其他车辆的轨道缓冲器的轨道。为了将局部轨道转换为中心轨道,需要获取局部轨道的参数信息。然而,JPDA跟踪器的直接输出无法提供这些信息。因此,使用助手Update Pose块从v1Pose读取数据来提供这些信息。垫文件。更新后的音轨然后广播给T2TF跟踪器V1
块作为输入。最后,trackFuser
T2TF跟踪器V1
块使本地车辆轨道与从其他车辆轨道定影器接收的轨道熔化。在每次更新之后,每个车辆上的轨道定影器将其融合轨道广播到下次邮票中的其他车辆轨道定影器的更新中。
Vehicle2
Vehicle2
子系统遵循类似的设置Vehicle1
子系统如上所述。
可视化
使用MATLAB系统块实现可视化块,并使用使用Helpertrackdisplay.
堵塞。块使用RunTimeObject
块的参数以显示其输出。看在模拟过程中访问块数据(金宝appSimulink)有关如何在模拟期间访问块输出的进一步信息。
运行模型之后,您可以将结果可视化为图中所示。下面的动画显示了这个模拟的结果。
可视化包括两个面板。左侧面板显示检测,本地曲目和融合轨道Vehicle1
在模拟期间生成,表示这种情况的情境感知Vehicle1
.右侧面板显示出态势意识Vehicle2
.
记录的检测由黑圆形表示。来自的本地和融合轨道Vehicle1
分别用正方形和菱形表示。来自的本地和融合轨道Vehicle2
由坚实的黑色方形和钻石代表。请注意,在仿真开始时,Vehicle1
检测停放在街道右侧的车辆,并确认与停放的车辆相关联的轨道。目前Vehicle2
只检测Vehicle1
就在它的前面。随着模拟的继续,从Vehicle1
被广播到融色器Vehicle2
.铁轨熔断后,车辆2.
在自己检测到这些对象之前,意识到对象。相似地,Vehicle2
音轨是向Vehicle1
.Vehicle1
保证这些曲目,并在自己检测到它们之前意识到对象。
特别是,您观察到站在街道右侧的蓝色和紫色汽车之间的行人被检测并跟踪Vehicle1
.Vehicle2
首先通过融合曲目来意识到行人Vehicle1
左右0.8秒。它需要Vehicle2
大约在它开始用自己的传感器检测行人之前3秒。根据输入信息跟踪行人的能力Vehicle1
允许Vehicle2
扩大其情境意识并减轻事故的风险。
这个例子展示了如何在Simulink中执行轨迹到轨迹的融合。金宝app您学习了如何使用分散式跟踪体系结构执行跟踪,其中每辆车负责维护自己的本地轨道,融合来自其他车辆的轨道,并将轨道与其他车辆通信。您还使用了JPDA跟踪器块来生成本地轨迹。