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
