|
跨學科團隊可以使用MATLAB和Simulink作為通用集成環境，貫穿整個自動駕駛系統開發工作流程。從系統工程到平臺建模、環境仿真和自主算法設計與系統驗證，基于模型的設計可以幫助我們在自動駕駛車輛上路試驗之前降低風險并建立對系統性能的信心。可以使用MATLAB和Simulink創建一個自動駕駛系統，該系統可以跟蹤系統架構的需求，一直到實現和代碼生成。這夠使用動態模型(如感知系統和環境)進行系統交互研究，完成整個自動駕駛環境系統建模，并完成感知系統建模，以評估在給功能定義下的場景中自動駕駛感知系統性能。通過像DDS和ROS這樣的中間件，隨著設計的成熟，組件和應用程序可以共享信息并一起工作。可以使用MATLAB和Simulink設計，仿真和測試ADAS和自動駕駛系統的算法和工具。可以設計和測試視覺和激光雷達感知系統，以及傳感器融合、路徑規劃和車輛控制器。可視化工具包括用于傳感器覆蓋、探測和跟蹤的鳥瞰圖和范圍，以及用于視頻、激光雷達和地圖的顯示。允許導入和使用HERE HD Live地圖數據和OpenDRIVE道路網絡。使用Ground Truth Labeler應用程序，可以自動標注Ground Truth來訓練和評估感知算法。結合深度學習和機器學習，基于AI進行感知系統和自動駕駛路徑規劃算法訓練。對于硬件在環(HIL)測試和感知、傳感器融合、路徑規劃和控制邏輯的桌面仿真，可以生成和仿真駕駛場景。可以在逼真的3D環境中仿真攝像機、雷達和激光雷達傳感器輸出，并在2.5 d仿真環境中仿真物體和車道邊界的傳感器檢測。MATLAB和Simulink提供了常用的ADAS和自動駕駛功能的參考應用示例，包括FCW、AEB、ACC、LKA和代客泊車。支持C/ c++代碼生成，用于快速原型和HIL測試，支持傳感器融合、跟蹤、路徑規劃和車輛控制器算法。MATLAB和Simulink進行開發算法和優化系統性能。可以使用傳感器模型，如聲納、相控陣和慣性測量單元(IMU)來原型化系統如何感知環境，以便進行傳感器融合、定位、映射和跟蹤。通過機器學習和深度學習，MATLAB和Simulink可以提高車輛的自動駕駛系統水平。可以使用MATLAB和Simulink來設計、迭代和優化車輛的運動規劃和路徑跟蹤控制器。可以在2D和3D中模擬車輛的運動。在三維仿真中，可以建模和觀察不同車輛在不同路徑上運動的耦合效應。在仿真運動時，可以實時監控運動狀態和轉彎半徑等參數，并根據特定的標準優化您的運動計劃器。可以將用MATLAB和Simulink設計的運動控制器直接部署到嵌入式硬件上，如嵌入式微控制器和fpga。 可以使用MATLAB和Simulink來建模系統邏輯，并評估運動規劃器和算法。運動規劃、定位和映射的例子可以開始定制解決方案，并為測試提供基準。可以通過可調參數(如范圍、分辨率、噪聲和功率)探索傳感器選項之間的設計權衡。還可以設計路徑規劃器，將高保真或系統級車輛動力學考慮在內，如側傾角和最小轉彎半徑。使用statflow高效設計和開發系統狀態機控制、任務調度和故障管理等。 
獲得pdf文檔，請轉發朋友圈，集贊50，并聯系小編
|
