自动驾驶

访问、可视化和标记数据

您可以使用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，还可以可视化和标记导入的数据。例如，ground truth标签应用程序提供了一个界面来交互式地可视化和标记多个信号，或者您可以自动标记这些信号并将标记的数据导出到您的工作空间。

要访问和可视化地理地图数据，您可以使用HERE HD Live Maps和OpenStreetMap^®．

文档

• 基于CAN FD和TCP/IP的前向碰撞预警
• 使用专门的ROS消息
• 可视化传感器覆盖，检测和跟踪
• 在OpenStreetMap Basemap上显示数据

驾驶模拟场景

你可以用长方体和虚幻引擎^®在虚拟场景中开发和测试算法。

长方体环境将参与者表示为简单的图形，并使用概率传感器模型。您可以使用此环境进行控制、传感器融合和运动规划。

使用虚幻引擎环境，您可以为感知和长方体环境用例开发算法。RoadRunner让你设计场景使用模拟器，包括CARLA, Vires VTD和NVIDIA Drive Sim^®，以及MATLAB和Simulink。RoadRunner还支持导出到行业标准文件格式，如FBX^®和OpenDRIVE^®．

文档

• 驾驶场景设计师
• 根据记录的车辆数据生成场景
• 自动驾驶三维仿真
• 可视化三维模拟传感器覆盖和检测
• 从RoadRunner开始

设计规划与控制算法

使用MATLAB和Simulink，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来设计车辆控制系统，使自动驾驶车辆能够遵循计划的轨迹。

您还可以使用传感器模型和车辆动力学模型以及2D和3D仿真环境综合测试您的算法。

文档

• 红绿灯谈判
• 基于RRT规划器和MPC跟踪控制器的平行泊车
• 培训DQN人员协助保持车道
• 自动紧急制动与传感器融合
• 高速公路车道改变
• 自动停车员

设计感知算法

你可以利用相机的数据来开发感知算法，激光雷达和雷达。感知算法包括检测、跟踪和定位，可用于自动制动、转向、地图构建和里程测量等应用。

你可以实现这些算法作为ADAS应用程序比如紧急刹车和转向

使用MATLAB，您可以开发传感器融合、同步定位和映射(SLAM)、地图构建和里程计的算法。

文档

• SSD深度学习对象检测
• 雷达和激光雷达数据的航迹级融合
• 跟踪指标简介
• 通过惯性传感器融合估计方向
• 使用SLAM从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^®,硬件描述语言(VHDL)^®．

还可以将算法部署到面向服务的体系结构，如ROS和AUTOSAR。

使用自动生成的代码，您可以将传感器与其他ECU组件连接起来。支持多种部署目标，包括来自NVIDIA、Intel的硬件^®、手臂^®,等等。

文档

• 单次多盒检测器目标检测的代码生成
• 基于ARM Neon的语义分割代码生成
• 创建和配置AUTOSAR自适应软件组件
• 自动泊车代客与ROS的MATLAB

集成和测试

你可以整合和测试你的感知、计划和控制系统。使用需求工具箱™，您可以捕获并管理您的需求。您还可以使用Simulink Test™并行地运行和自动化测试用例。

文档

• 高速公路车道跟随自动化测试
• Simulink模型的持续集成验证