自动驾驶

访问、可视化和标注数据

您可以使用适用于 CAN 和 ROS 的 MATLAB 接口访问实时和记录的驾驶数据。使用内置工具，您还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，您也可以自动标注这些信号，并将标注的数据导出到工作区。

要访问和可视化地理地图数据，您可以使用 HERE 高清实时地图和 OpenStreetMap。

文档

• 使用 CAN FD 和 TCP/IP 的前向碰撞预警
• 处理专用 ROS 消息
• 可视化传感器覆盖范围、检测和跟踪
• 在 OpenStreetMap 底图上显示数据

仿真驾驶场景

您可以将立方体以及虚幻引擎 (Unreal Engine) 仿真环境与 MATLAB 结合使用，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。您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，您可以为感知和立方体环境用例开发算法。RoadRunner 支持您设计可在仿真器中使用的场景，包括 CARLA、Vires VTD 和 NVIDIA Drive Sim，以及 MATLAB 和 Simulink。RoadRunner 还支持导出为行业标准文件格式，如 FBX 和 OpenDRIVE。

文档

• 驾驶场景设计器
• 根据记录的车辆数据生成场景
• 自动驾驶的三维仿真
• 可视化三维仿真传感器覆盖范围和检测
• RoadRunner 快速入门

设计规划和控制算法

使用 MATLAB 和 Simulink，您可以开发路径规划和控制算法。您可以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。

您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您的算法。

文档

• 交通信号灯协商
• 使用 RRT 规划器和 MPC 跟踪控制器实现平行泊车
• 训练 DQN 智能体用于车道保持辅助
• 通过传感器融合实现自主紧急制动
• 高速公路变道
• 自动代客泊车

设计感知算法

您可以使用来自相机、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。

您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，您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。

文档

• 使用 SSD 深度学习进行目标检测
• 雷达和激光雷达数据轨道级融合
• 跟踪指标简介
• 通过惯性传感器融合估计方向
• 使用 SLAM 基于激光雷达数据构建地图

部署算法

您可以使用代码生成工作流将感知、规划和控制算法部署到硬件。支持的代码生成语言包括 C、C++、CUDA、Verilog 和 VHDL^®。

您还可以将算法部署到面向服务的架构中，如 ROS 和 AUTOSAR。

使用自动生成的代码，您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。

文档

• 使用单步多框检测器为目标检测生成代码
• ARM Neon 上语义分割应用程序的代码生成
• 创建和配置 AUTOSAR Adaptive 软件组件
• 在 MATLAB 中使用 ROS 实现自动代客泊车

集成和测试

您可以集成并测试您的感知、规划和控制系统。使用 Requirements Toolbox，您可以捕获和管理您的需求。您也可以使用 Simulink Test 以并行方式运行和自动化测试用例。

文档

• 高速公路车道跟随的自动测试
• Simulink 模型验证持续集成