|
跨学科团队可以使用MATLAB和Simulink作为通用集成环境，贯穿整个自动驾驶系统开发工作流程。从系统工程到平台建模、环境仿真和自主算法设计与系统验证，基于模型的设计可以帮助我们在自动驾驶车辆上路试验之前降低风险并建立对系统性能的信心。可以使用MATLAB和Simulink创建一个自动驾驶系统，该系统可以跟踪系统架构的需求，一直到实现和代码生成。这够使用动态模型(如感知系统和环境)进行系统交互研究，完成整个自动驾驶环境系统建模，并完成感知系统建模，以评估在给功能定义下的场景中自动驾驶感知系统性能。通过像DDS和ROS这样的中间件，随着设计的成熟，组件和应用程序可以共享信息并一起工作。可以使用MATLAB和Simulink设计，仿真和测试ADAS和自动驾驶系统的算法和工具。可以设计和测试视觉和激光雷达感知系统，以及传感器融合、路径规划和车辆控制器。可视化工具包括用于传感器覆盖、探测和跟踪的鸟瞰图和范围，以及用于视频、激光雷达和地图的显示。允许导入和使用HERE HD Live地图数据和OpenDRIVE道路网络。使用Ground Truth Labeler应用程序，可以自动标注Ground Truth来训练和评估感知算法。结合深度学习和机器学习，基于AI进行感知系统和自动驾驶路径规划算法训练。对于硬件在环(HIL)测试和感知、传感器融合、路径规划和控制逻辑的桌面仿真，可以生成和仿真驾驶场景。可以在逼真的3D环境中仿真摄像机、雷达和激光雷达传感器输出，并在2.5 d仿真环境中仿真物体和车道边界的传感器检测。MATLAB和Simulink提供了常用的ADAS和自动驾驶功能的参考应用示例，包括FCW、AEB、ACC、LKA和代客泊车。支持C/ c++代码生成，用于快速原型和HIL测试，支持传感器融合、跟踪、路径规划和车辆控制器算法。MATLAB和Simulink进行开发算法和优化系统性能。可以使用传感器模型，如声纳、相控阵和惯性测量单元(IMU)来原型化系统如何感知环境，以便进行传感器融合、定位、映射和跟踪。通过机器学习和深度学习，MATLAB和Simulink可以提高车辆的自动驾驶系统水平。可以使用MATLAB和Simulink来设计、迭代和优化车辆的运动规划和路径跟踪控制器。可以在2D和3D中模拟车辆的运动。在三维仿真中，可以建模和观察不同车辆在不同路径上运动的耦合效应。在仿真运动时，可以实时监控运动状态和转弯半径等参数，并根据特定的标准优化您的运动计划器。可以将用MATLAB和Simulink设计的运动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来建模系统逻辑，并评估运动规划器和算法。运动规划、定位和映射的例子可以开始定制解决方案，并为测试提供基准。可以通过可调参数(如范围、分辨率、噪声和功率)探索传感器选项之间的设计权衡。还可以设计路径规划器，将高保真或系统级车辆动力学考虑在内，如侧倾角和最小转弯半径。使用statflow高效设计和开发系统状态机控制、任务调度和故障管理等。 
获得pdf文档，请转发朋友圈，集赞50，并联系小编
|
