23:47视频长度为23:47。
高动态驾驶场景下自动驾驶汽车实时仿真环境
Thomas Herrmann,慕尼黑工业大学
迈克尔•Luthy Speedgoat
2018年5月,来自慕尼黑工业大学(TUM)的一组研究人员赢得了首届Roborace人机挑战赛。TUM的自动驾驶软件栈管理环境感知、自动导航和轨迹跟踪。
在开发自动驾驶系统时,虚拟测试整个自动驾驶软件栈的能力,同时依赖于对车辆及其周围环境的高保真模拟,是非常重要的。本次演讲介绍了一个基于可伸缩和可扩展硬件的环中硬件(HIL)环境,该环境利用了集成软件解决方案。
整个自动驾驶堆栈在两台独立的硬件目标计算机上进行模拟,模拟robocar的真实技术设置(NVIDIA)®驱动™PX2和Speedgoat实时目标机。移动实时目标机专门与Simulink real-time™配合使用,充当车辆ECU,通过实时CAN控制器将中期预期轨迹转换为车辆执行器的即时命令。NVIDIA Drive PX2负责轨迹规划和传感器处理等任务。两个单元之间的通信由实时UDP处理。
第二台Speedgoat目标机用于模拟车辆动态,作为对车辆ECU输入的反应。该实时模拟器还具有传感器和执行器模拟器,这使软件认为它是在现实世界中与现实的数据流操作。采用Simulink进行物理和行为建模®和车辆动力学Blockset™,使用Simulink Real-Time再次实现实时目标上的快速原型。
一个额外的GPU服务器实现赛道的环境模型,同时提供完整的3D可视化。使用虚幻引擎中的关卡编辑器,我们可以轻松构建真实赛道的孪生表示®通过导入从车辆传感器捕获的轨迹数据。
记录:2019年4月11日
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。