Simulink中的自动泊车代客

这个示例使用:

开放模式

本例展示了如何在Simulink®中使用automated Driving Toolbox™构建一个自动代客泊车系统。它紧密地遵循自动停车员MATLAB®的例子。

介绍

将停在停车场前面的汽车自动停车是一个具有挑战性的问题。车辆的自动系统预计将接管并驾驶车辆到一个可用的停车位。本例的重点是在环境中规划一条可行路径，从这条路径生成轨迹，并使用可行控制器执行轨迹。地图创建和动态避障在本例中不包含。

在仿真之前,helperSLCreateCostmap函数中调用PreLoadFcn模型的回调函数。关于使用回调函数的详细信息，请参见模型的回调(模型)。的helperSLCreateCostmap函数创建一个停车场的静态地图，其中包含关于固定障碍、道路标记和停放的汽车的信息。该地图表示为vehicleCostmap对象。

使用vehicleCostmap对象在Simulink®，helperSLCreateUtilityStruct函数转换vehicleCostmap进入块掩码初始化中的struct数组。更多细节，请参见初始化的面具(模型)。

全局路线规划被描述为经过一系列车道段到达一个停车位。在仿真之前,PreLoadFcn模型的Callback函数加载一个路由计划，该计划被存储为一个表。该表指定了段的起始和结束姿势，以及段的属性，如速度限制。

routePlan = 5×3表StartPose EndPose Attributes ________________ ____________________ __________ 4 12 0 56 11 0 1×1 struct 56 11 0 70 19 90 1×1 struct 70 19 90 70 32 90 1×1 struct 70 32 90 52 38 180 1×1 struct 53 38 180 36.3 44 90 1×1 struct

本例中许多块的输入和输出是Simulink总线(仿真软件。公共汽车(模型)类)。在PreLoadFcn回调函数的模型，该helperSLCreateUtilityBus函数创建这些总线。

规划是一个分层的过程，每一个连续的层负责一个更细粒度的任务。行为层[1]位于这个堆栈的顶部。的行为计划块根据全局路由计划触发一系列导航任务，方法是提供中间目标和配置运动规划和轨迹生成块。每个路径段使用以下步骤导航:

运动规划:使用最优快速探索随机树(RRT*)算法在环境地图中规划可行路径(pathPlannerRRT)。
轨迹生成:平滑参考路径通过拟合样条[2]到它使用路径平滑样条块。，通过生成速度剖面，将平滑的路径转换为轨迹速度分析器块。
车辆控制:HelperPathAnalyzer为控制车辆转向和速度的车辆控制器子系统提供参考信号。
目标检测:检查车辆是否已经到达使用的段的最终姿态helperGoalChecker。

探索子系统

车辆控制器子系统包含一个横向控制器斯坦利块和一个纵向控制器斯坦利块，分别调节车辆的姿态和速度。要处理真实的车辆动力学[3]，汽车模型参数在横向控制器斯坦利块设置为动态的自行车模型。有了这种配置，就需要额外的输入，比如路径曲率、车辆当前的偏航速率、当前的转向角度，来计算转向命令。纵向控制器斯坦利块使用切换比例积分控制器来计算驱动车辆制动和油门的加速和减速命令。

为了演示性能，车辆控制器被应用到车辆模型块，其中包含一个简化的转向系统[3]，被建模为一阶系统和一个车辆身体3自由度(车辆动力学Blockset)自动驾驶工具箱™和车辆动力学块集™之间共享的块。与运动学自行车模型使用的自动停车员MATLAB®示例，该车辆模型块更精确，因为它考虑了惯性效应，如轮胎滑移和转向伺服驱动。