“一支小组工程师将一辆自主车辆与现成的硬件和控制算法一起拉动，采用基于模型的设计开发和实施。虽然该系统不是准备好的生产，但它确实展示了具有务实设计方法的重要设计概念。“
Mark Tucker博士，TMETC
在英国考文垂的TMETC自治车辆的试验。
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。
“通过Sim金宝appulink，我们可以专注于高级设计实施而不是低级别的编码，”TMETC博士博士博士博士说。“这对我们很重要，因为提供了功能车辆是我们的目标，而不是展示我们的编码技巧。”
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。
要记录元素之间的所有沟通都必须遵守英国法规，特别是“无人驾驶汽车的途径：测试部门的经验准则”。该团队决定使用机器人操作系统（ROS）中间件来解决集成和记录要求。因此，他们写的算法需要ROS接口，并且团队需要一种可视化和分析记录的ROS数据的方法。
屋顶安装在自动车辆上的传感器。
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。
开发了三种车辆控制算法：纯追求，车道保持和模型预测控制。为了评估每种算法，它们将其与车辆的简单横向和纵向模型集成，并进行横向型号和RAN闭环模拟。
纯粹的追求方法缺乏足够的稳定性，并且在城市中心中的泳道保持方法相对较差，需要紧张的曲线和慢速速度。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团队与嵌入式编码器的运动规划算法生成代码®并将其部署到安装在车辆中的基于Linux的PC。使用Simu金宝applink Real-time™，他们部署了他们的车辆控制算法speedgoat.目标硬件安装在车辆中。
进行了路线测试，在此期间使用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™分析和可视化数据。要调试并进一步优化控制算法，通过模拟中的控制器播放记录的驱动方案数据。
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：