基于MATLAB和SIMULINK开发ADAS和智能驾驶

自动驾驶工具箱为设计、模拟和测试ADAS和自动驾驶系统提供算法和工具。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。可视化工具包括鸟瞰图和传感器覆盖范围、检测和跟踪的范围,以及视频、激光雷达和地图的显示。工具箱可以让你导入并使用HERE高清实时地图数据和OpenDRIVE道路网络。
使用地面实况标签程序,可以自动标记地面实况以训练和评估感知算法。对于感知、传感器融合、路径规划和控制逻辑的硬件在环(HIL)测试和桌面模拟,你可以生成和模拟驾驶场景。你可以在逼真的三维环境中模拟摄像头、雷达和激光雷达传感器的输出,在2.5维模拟环境中模拟传感器对物体和车道边界的检测。
自动驾驶工具箱为常见的ADAS和自动驾驶功能提供参考应用实例,包括前方碰撞警告、自主紧急制动、自适应巡航控制、车道保持辅助和停车代客。该工具箱支持C/C++代码生成,用于快速原型设计和HIL测试,支持传感器融合、跟踪、路径规划和车辆控制器算法。
使用参考应用程序作为开发自动驾驶功能的基础。自动驾驶工具箱包括前方碰撞警告(FCW)、车道保持辅助(LKA)和自动停车代客的参考应用。
驾驶场景仿真:编写驾驶场景,使用传感器模型,并生成合成数据,在仿真环境中测试自动驾驶算法。
3D驾驶场景仿真:从雷达和相机传感器模型生成合成检测数据,并将这些检测数据纳入驾驶场景,用基于3D的仿真测试自动驾驶算法。使用驾驶场景设计器应用程序定义道路网络、角色和传感器。输入预先构建的欧洲NCAP测试和OpenDRIVE道路网络。
地面真值标签:自动标注地面真实数据,并将被测算法的输出与地面真实数据进行比较。使用地面实况标签程序进行交互式自动地面实况标签,以促进物体检测、语义分割和场景分类。
测试感知算法:通过比较地面真实数据和算法输出,评估感知算法的性能。
用计算机视觉和激光雷达感知:开发和测试用于自动驾驶的视觉和激光雷达处理算法。开发用于车辆和行人检测、车道检测和分类的计算机视觉算法。
使用激光雷达数据来检测障碍物和分割地面平面。
传感器融合和跟踪:使用卡尔曼滤波器的多目标跟踪框架进行多传感器融合。
地图:从HERE高清实时地图服务中获取并可视化高清地图数据。在流媒体地图查看器上显示车辆和物体的位置。
访问HERE高清实时地图数据:
从HERE高清实时地图网络服务读取地图数据,包括包含详细道路、车道和定位信息的平铺地图层。
路径规划:用车辆成本图和运动规划算法规划驾驶路径。
车辆控制器:使用横向和纵向的控制器来遵循计划的轨迹。
(0)

相关推荐