MATLAB 和 Simulink 培训

使用MATLAB实现自动驾驶

查看时间表并报名

课程详细信息

本课程为期两天,提供开发和验证自动驾驶感知算法的实践经验。例子和练习演示使用适当的 MATLAB® 和 Automated Driving System Toolbox™的功能。

内容包括:

  • 真实数据的标注
  • 传感器数据可视化
  • 检测车道与车辆
  • 处理激光雷达点云
  • 追踪和传感器融合
  • 生成驾驶场景和传感器建模

第1天 (共2天)


真实数据的标注

目标:交互地在视频或图像序列中标注真实数据。使用检测结果和跟踪算法自动标注。

  • Ground Truth Labeler 概述
  • 标注 ROI(感兴趣区域)和场景
  • 自动标注
  • 查看/导出真实结果


传感器数据可视化

目标:可视化相机帧、雷达和激光雷达检测结果。使用适当的坐标系将图像坐标变换为车辆坐标,反之亦然。

  • 创建鸟瞰图
  • 绘制传感器覆盖区域
  • 可视化检测结果和车道
  • 从车辆到图像坐标变换
  • 使用检测结果和车道边界注释视频


检测车道及车辆

目标:分割和建模抛物线形的车道。使用预训练的目标检测器检测车辆。

  • 进行鸟瞰视图变换
  • 检测车道特征
  • 计算车道模型
  • 使用真实数据验证车道检测结果
  • 使用预训练的目标检测器检测车辆。

处理激光雷达点云 

目标:使用存储为三维点云的激光雷达数据。通过将点云分割成簇来导入、可视化和处理点云。配准点云数据并构建累积点云地图

  • 导入和可视化点云
  • 预处理点云
  • 从激光雷达传感器数据中分离目标
  • 从激光雷达传感器数据构建地图

第2天 (共2天)


传感器融合和追踪

目标:创建一个多目标跟踪器以融合来自多个传感器的信息,如相机,雷达等。

  • 跟踪多个目标
  • 预处理检测结果
  • Kalman 滤波
  • 管理多个跟踪
  • 使用多目标跟踪器进行跟踪

追踪扩展目标

目标:创建概率假设密度跟踪器跟踪扩展对象并估计其空间范围。

  • 定义传感器配置
  • 追踪扩展目标
  • 估计空间范围

生成驾驶场景和传感器建模

目标:交互地创建驾驶场景和综合雷达/相机检测结果,测试自动驾驶感知算法。

  • Driving Scenario Designer app概述
  • 创建包含道路、参与者和传感器的场景
  • 仿真和可视化场景
  • 生成检测结果和导出场景
  • 使用场景测试算法

难度: 中级

持续时间: 2 天

语言: English, 한국어

查看时间表并报名