介绍

高速公路车道跟踪系统开发在这个例子引导自我明显车道内车辆旅行。系统测试后的车道功能在其他non-ego车辆的存在,目标车辆。回归测试,它通常是足够的为目标车辆跟随一个预定义的轨迹。随机行为和确定边界情况像激进的车道改变前的自我,它有利于增加情报到目标车辆。

这个例子构建的高速公路车道后例子,演示了在目标车辆的存在后巷预定义轨迹。这个示例修改场景仿真的框架高速公路车道后例子通过添加功能模型和模拟智能目标车辆。智能目标车辆添加到这个例子适应他们的轨迹基于相邻车辆和环境的行为。作为回应,车道后系统自动反应以确保自我车辆保持在车道。

在本例中,您通过集成实现系统级仿真与虚幻引擎从史诗游戏®®。3 d仿真环境需要一个Windows®64位平台。

如果~ ispc错误([不真实的模拟是只支持微软的char (174),“窗口”char (174),“。”]);结束

保证仿真结果的再现性,设置随机种子。

rng (0);

在其他例子中,您将:

探索试验台模型

探索试验台模型,打开一个工程实例文件的工作副本。MATLAB®将文件复制到一个文件夹中,这样您就可以编辑它们。

目录(fullfile (matlabroot,“工具箱”,“开车”,“drivingdemos”));helperDrivingProjectSetup (“HLFIntelligentVehicles.zip”,“workDir”pwd);

开放的系统级仿真试验台模型后巷的应用程序。

open_system (“HighwayLaneFollowingWithIntelligentVehiclesTestBench”)

试验台模型包含这些模块:

车道标记检测器、车辆检测器、汽车传感器融合,决策逻辑后巷,车道控制器后,车辆动力学和指标评估子系统是基于使用的子系统高速公路车道后(自动驾驶工具箱)。如果你有仿真软件许可证®编码器™和嵌入式编码™,您可以生成deployable-ready巷嵌入式实时代码标记探测器,车辆检测器,提出车辆传感器融合、决策逻辑后巷,和车道控制器算法模型。这个例子只关注了模拟3 d场景子系统。一个智能目标车辆子系统的块添加到模拟3 d场景子系统,以配置场景中的目标车辆的行为。车道标记检测器、车辆检测器、汽车传感器融合,决策逻辑后巷,车道控制器后,车辆动力学和指标评估子系统引导自我车辆在回应的行为目标车辆的配置模拟3 d场景子系统。

打开模拟3 d场景子系统和突出智能目标车辆子系统。

open_system (“HighwayLaneFollowingWithIntelligentVehiclesTestBench /模拟3 d场景”)hilite_system (“HighwayLaneFollowingWithIntelligentVehiclesTestBench /模拟3 d场景/智能目标车辆”)

的模拟3 d场景子系统配置道路网络模型目标车辆,集车辆位置,综合传感器。子系统是通过使用初始化的helperSLHighwayLaneFollowingWithIntelligentVehiclesSetup脚本。这个脚本定义了驾驶场景测试后的高速公路车道。这个设置脚本定义了道路网络和设置为每个目标车辆行为的场景。

这也设置脚本配置控制器的设计参数,车辆模型参数,仿真软件®总线信号所需的HighwayLaneFollowingWithIntelligentVehiclesTestBench模型。这个脚本分配的数组结构,targetVehicles,基本工作空间,其中包含为每个目标车辆的行为类型。

车辆行为

这个例子使您能够使用四个模式的车辆配置目标车辆使用的行为targetVehicles结构。

模型智能目标车辆

的智能目标车辆子系统动态更新所有目标车辆的车辆提出了基于预定义的车辆行为。正如已经提到的,helperSLHighwayLaneFollowingWithIntelligentVehiclesSetup脚本定义了场景和场景中的行为为每个目标车辆。设置脚本存储车辆行为和其他属性的数组结构,targetVehicles基本工作空间。结构存储这些属性:

的智能目标车辆加载配置子系统使用一个面具targetVehicles从基础工作空间。你可以设置这些属性的值修改位置,方向,速度,和行为目标车辆。打开智能目标车辆子系统。

open_system (“HighwayLaneFollowingWithIntelligentVehiclesTestBench /模拟3 d场景/智能目标车辆”)

的汽车世界块将预定义的演员(自我和目标车辆)姿态和轨迹从ego-vehicle坐标到世界坐标。的目标车辆行为子系统块计算目标车辆的下一个状态通过使用预定义的目标车辆的姿势,ego-vehicle姿势,和目标车辆的当前状态。子系统输出目标车辆导航的车辆带来了在世界坐标系的三维仿真环境。

打开目标车辆行为子系统。

open_system (“HighwayLaneFollowingWithIntelligentVehiclesTestBench /模拟3 d场景/智能车辆目标/目标车辆行为”,“标签”)

的目标车辆行为子系统可以切换默认和其他车辆的行为。如果目标车辆的行为类型设置默认的子系统配置目标车辆按照预定义的轨迹。否则,车辆的位置是动态计算和更新使用智能车辆子系统。的智能车辆子系统配置块VelocityKeeping,LaneFollowing,LaneChange行为为目标车辆。

开放智能车辆子系统。

open_system (“HighwayLaneFollowingWithIntelligentVehiclesTestBench /模拟3 d场景/智能车辆目标/目标车辆行为/智能车辆”)

的智能车辆子系统计算目标车辆的姿势使用相邻的车辆和车辆信息的行为。子系统是相似的车道改变计划组件的高速公路车道改变的例子。的智能车辆子系统有这些块:

表显示终端的配置状态和参数不同的车辆行为:

系统实现了停止行为通过构造一个轨迹与前面的车辆状态,导致立即停止目标车辆。

在直路模拟智能目标车辆的行为

这个例子使用一个测试场景,有三个目标车辆(红色轿车,黑色肌肉车,和橙色掀背车)和一个自我车辆(蓝色轿车)在直路有两个车道。

您可以运行仿真任意次数为每辆车通过改变行为类型在每次运行。这个例子仿真运行三次,在每次运行的行为类型修改为第一目标车辆。

配置所有目标速度保持和运行模拟车辆的行为

运行安装脚本配置VelocityKeeping所有目标车辆的行为。

helperSLHighwayLaneFollowingWithIntelligentVehiclesSetup (…“scenarioFcnName”,…“scenario_LFACC_01_Straight_IntelligentVelocityKeeping”);

显示BehaviorType所有的目标车辆。

disp ([targetVehicles (:) .BehaviorType]);

VelocityKeeping VelocityKeeping VelocityKeeping违约的违约

运行仿真和可视化结果。场景中的目标车辆旅行在各自道在一个恒定的速度。红色的轿车和黑色肌肉车保持速度和不检查碰撞。

减少输出命令窗口,关闭模型预测控制(MPC)更新消息。

mpcverbosity (“关闭”);%运行模型simout = sim卡(“HighwayLaneFollowingWithIntelligentVehiclesTestBench”,“StopTime”,“9”);

情节自我和第一个目标车辆的速度概要(红色轿车)分析结果。

hFigVK = helperPlotEgoAndTargetVehicleProfiles (simout.logsout);

关闭图

关闭(hFigVK);

配置第一个目标车辆行为和运行仿真后巷

第一目标车辆配置行为类型(红色轿车)执行后巷。显示更新后的值BehaviorType目标车辆。

targetVehicles (1)。BehaviorType= VehicleBehavior.LaneFollowing; disp([targetVehicles(:).BehaviorType]');

LaneFollowing VelocityKeeping VelocityKeeping违约的违约

运行仿真和可视化结果。场景中的目标车辆在各自的车道。第一目标车辆(红色轿车)减慢,以避免碰撞的行动迟缓的黑色肌肉车的车道。

sim卡(“HighwayLaneFollowingWithIntelligentVehiclesTestBench”);

情节自我和第一个目标车辆的速度概要(红色轿车)分析结果。

hFigLF = helperPlotEgoAndTargetVehicleProfiles (logsout);

关闭图

关闭(hFigLF);

配置第一个目标车辆车道改变行为和运行模拟

targetVehicles (1)。BehaviorType= VehicleBehavior.LaneChange;

显示BehaviorType所有的目标车辆。

disp ([targetVehicles (:) .BehaviorType]);

LaneChange VelocityKeeping VelocityKeeping违约的违约

运行仿真和可视化结果。橙色的掀背车和黑色肌肉车是以恒定速度在各自的航线。第一个目标车辆(红色轿车)执行一个车道改变,因为它接近黑色的“肌肉车”。它也另一个车道改变当它接近橙色掀背车。

sim卡(“HighwayLaneFollowingWithIntelligentVehiclesTestBench”);

情节自我的速度剖面和第一个目标车辆(红色轿车)分析结果。

hFigLC = helperPlotEgoAndTargetVehicleProfiles (logsout);

关闭图

关闭(hFigLC);

模拟智能目标弯曲的道路上车辆的行为

测试场景的模型与弯曲的道路。车辆的车辆配置和地位类似于前面的仿真。测试场景包含一个弯曲的道路和第一个目标车辆配置(红色轿车)LaneChange的行为。其他两个目标车辆配置VelocityKeeping的行为。下图展示了在弯曲的道路车辆的初始位置的场景。

运行安装脚本配置模型参数。

helperSLHighwayLaneFollowingWithIntelligentVehiclesSetup (…“scenarioFcnName”,…“scenario_LFACC_04_Curved_IntelligentLaneChange”);

运行仿真和可视化结果。情节的偏航角和速度概要自我和目标车辆。

sim卡(“HighwayLaneFollowingWithIntelligentVehiclesTestBench”);hFigCurvedLC = helperPlotEgoAndTargetVehicleProfiles (logsout);

关闭图。

关闭(hFigCurvedLC);

探索其他场景

这个示例提供了额外的场景兼容的HighwayLaneFollowingWithIntelligentVehiclesTestBench模型。下面是一个列表的兼容场景提供了这个例子。

为更多的细节在路上和目标车辆配置在每个场景中,查看每个文件中的注释。您可以配置仿真软件模型和模拟这些场景使用工作区helperSLHighwayLaneFollowingWithIntelligentVehiclesSetup函数。

helperSLHighwayLaneFollowingWithIntelligentVehiclesSetup (“scenarioFcnName”,“scenario_LFACC_05_Curved_IntelligentDoubleLaneChange”);

结论

这个案例展示了如何测试后巷的功能的应用程序在一个场景中自我车辆和多个智能目标车辆。

使货币政策委员会再次更新消息。

mpcverbosity (“上”);