基于Matlab/Simulink开发自动驾驶的解决方案

文章目录

处理自动驾驶数据

仿真自动驾驶场景

设计感知算法

设计规划和控制算法

生成代码和部署算法

集成和测试

参考文献

使用 MATLAB/Simulink开发自动驾驶，能够深入建模真实世界的行为、减少车辆测试并验证嵌入式软件的功能，从而推进自动驾驶感知、规划和控制系统的设计。主要包括以下几个方面的工作：

处理自动驾驶数据

使用MATLAB的 CAN 和 ROS接口访问实时的或者Record的驾驶数据。使用内置工具，可以可视化和标注导入的数据。例如，真值标注器界面能够可视化信号，并支持您以交互方式标注多个信号，也可以自动标注这些信号，并将标注的数据导出到工作区。地理地图方面的数据访问和可视化，需要配合使用 HERE 高清实时地图和 OpenStreetMap。数据处理的示例如下：

仿真自动驾驶场景

MATLAB与立方体以及虚幻引擎 (Unreal Engine) 仿真环境结合使用，可以在虚拟场景中开发和测试算法。立方体环境将交通参与者表示为简单图形，并使用概率传感器模型。可以将此环境用于控制、传感器融合和运动规划。

使用虚幻引擎环境，可以为感知和立方体环境用例开发算法。RoadRunner 可以支持自己设计仿真器中使用的场景，包括 CARLA、Vires VTD 和 NVIDIA Drive Sim等，并支持导出为行业标准文件格式，如 FBX 和 OpenDRIVE。设计驾驶场景的示例如下：

设计感知算法

MATLAB 和 Simulink可以使用来自相机、激光雷达和雷达的数据开发感知算法。感知算法包括检测、跟踪和定位，可用于自动制动、转向、地图构建和里程计等应用。还可以将这些算法作为 ADAS 应用的一部分来实现，如紧急制动和转向。使用 MATLAB，还可以开发用于传感器融合、同步定位与地图构建 (SLAM)、地图构建和里程计的算法。示例如下：

设计规划和控制算法

使用 MATLAB 和 Simulink，可以开发路径规划和控制算法。例如使用横向和纵向控制器设计车辆控制系统，使自主驾驶车辆能够遵循规划的轨迹。还可以使用传感器模型和车辆动力学模型，在二维和三维仿真环境中合成式地测试自己开发的算法。示例如下：

生成代码和部署算法

使用MATLAB 和 Simulink的代码生成工作流可以将感知、规划和控制算法部署到硬件。使用自动生成的代码，可以将传感器与其他 ECU 组件连接。支持多种部署目标，包括 NVIDIA、Intel、ARM 等品牌硬件。支持的代码生成语言包括 C、C++、CUDA、Verilog 和 VHDL®。也可以将算法部署到面向服务的架构中，如 ROS 和 AUTOSAR。示例如下：