drivingScenario
Create driving scenario
描述
这drivingScenario物体代表一个3D竞技场，其中包含道路，停车场，车辆，行人，障碍和驾驶场景的其他方面。使用此对象对现实的流量情景进行建模，并生成用于测试控制器或传感器融合算法的合成检测。
您还可以通过使用驾驶场景设计师应用程序。此外，您可以导出drivingScenario该应用程序中的对象生成方案变化，以用于应用程序或在simulink中万博1manbetx®。有关更多详细信息，请参阅以编程方式创建驾驶场景变化。
创建
描述
设想= DrivingsCenario
设想= drivingscenario（名称，价值)SampleTime,StopTime， 和地理使用名称值对的属性。例如，DrivingsCenario（'Georeference'，[42.3 -71.0 0]）将场景的地理起源设置为（42.3，–71.0）的纬度尺度坐标和0。
特性
Object Functions
例子
用多个演员和道路创建驾驶场景
Create a driving scenario containing a curved road, two straight roads, and two actors: a car and a bicycle. Both actors move along the road for 60 seconds.
Create the driving scenario object.
方案= drivingscenario（'采样时间',0.1','StopTime'，60）;
Create the curved road using road center points following the arc of a circle with an 800-meter radius. The arc starts at 0°, ends at 90°, and is sampled at 5° increments.
angs = [0:5:90]'; R = 800; roadcenters = R*[cosd(angs) sind(angs) zeros(size(angs))]; roadwidth = 10; road(scenario,roadcenters,roadwidth);
使用两端的道路中心点添加两条默认宽度的直线道路。
Roadcenters = [700 0 0;100 0 0];路（场景，公路中心）
ans = Road with properties: Name: "" RoadID: 2 RoadCenters: [2x3 double] RoadWidth: 6 BankAngle: [2x1 double] Heading: [2x1 double]
Roadcenters = [400 400 0;0 0 0];路（场景，公路中心）
ans = Road with properties: Name: "" RoadID: 3 RoadCenters: [2x3 double] RoadWidth: 6 BankAngle: [2x1 double] Heading: [2x1 double]
获得道路界限。
rbdry = Roadbouldaries（方案）;
在场景中添加汽车和自行车。将汽车定位在第一条直路的开头。
车=车辆(场景中,'ClassID'，1，'位置'，[700 0 0]，...'长度'，3，'宽度'，2，'高度'，1.6）;
Position the bicycle farther down the road.
bicycle = actor(scenario,'ClassID'，3，'位置'，[706 376 0]'，，...'长度'，2，'宽度'，0.45，'高度'，1.5）;
Plot the scenario.
情节（场景，“中心线”,'on',“公路中心”,'on'）；标题（'设想'）；
显示演员的姿势和个人资料。
姿势= actorposes（场景）
姿势=带有字段的2×1结构数组：演员ID Position Velocity Roll Pitch Yaw AngularVelocity
profiles = actorProfiles(scenario)
配置文件=带有字段的2×1结构数组：ActorId classid长度宽度高度原始网格网格网格rcspattern rcsazimuthangles rcselevationangles
Show Target Outlines in Driving Scenario Simulation
创建驾驶场景，并显示目标概述如何随着模拟的进展而发生变化。
创建一个由两条相交的直路组成的驾驶场景。第一个路段长45米。第二条道路长32米，沿着它的边缘沿着泽西岛的屏障，并与第一条道路相交。一辆沿着第一条道路以每秒12.0米的速度行驶的汽车接近跑步的行人，以每秒2.0米的距离越过交叉路口。
方案= drivingscenario（'采样时间',0.1,'StopTime'，1）;ROAD1 = ROAD（方案，[-10 0 0; 45 -20 0]）;ROAD2 = ROAD（方案，[-10 -10 0; 35 10 0]）;障碍（场景，ROAD1）障碍（场景，Road1，'roudedge','剩下'）ped =演员（场景，'ClassID'，4，'长度'，0.4，'宽度'，0.6，'高度',1.7); car = vehicle(scenario,'ClassID'，1）;pedspeed = 2.0;Carspeed = 12.0;光滑的标题（ped，[15 -3 0; 15 3 0]，pedspeed）;光滑的标题（汽车，[-10 -10 0; 35 10 0]，carspeed）;
Create an ego-centric chase plot for the vehicle.
chaseplot（汽车，“中心线”,'on')
创建一个空的鸟眼情节，并添加轮廓绘图仪和车道边界绘图仪。然后，运行模拟。在每个模拟步骤中：
更新追逐图以显示道路边界和目标大纲。
更新Bird's-eye图，以显示更新的道路边界和目标大纲。情节的观点始终与自我车辆有关。
bepplot = birdseyeplot（'xlim'，[-50 50]，'YLim'，[-40 40]）;outlinePlotter = utlinePlotter（bepplot）;laneplotter = laneboundaryplotter（bepplot）;传奇（'离开')尽管Advance（场景）RB = Roadbouldaries（CAR）;[位置，偏航，长度，宽度，原点，颜色] = targetOutlines（car）;[bposition，byaw，blength，bwidth，boriginOffset，bcolor，barriersegments] = targetOutlines（汽车，“障碍”）；PlotLaneBoundary（LANEPLOTTER，RB）PLOTOUTLINE（轮廓图，位置，偏航，长度，宽度，...“原点”,originOffset,'颜色'，颜色）plotBarrierOutline（大纲，壁垒，bposition，bposition，byaw，blength，bwidth，...“原点”,boriginOffset,'颜色'，bcolor）暂停（0.01）end
生成对象和车道边界检测
创建一个驾驶场景，其中包含自我车辆和沿着三车道道路行驶的目标车辆。通过使用视觉检测发生器检测车道边界。
方案= drivingscenario;
使用车道规格创建三车道的道路。
路Centers = [0 0 0; 60 0 0; 120 30 0]; lspc = lanespec(3); road(scenario,roadCenters,“车道”，LSPC）;
指定自我vehicle follows the center lane at 30 m/s.
egovehicle =车辆（场景，'ClassID'，1）;egopath = [1.5 0 0;60 0 0;111 25 0];Egospeed = 30;光滑的标题（Egovhicle，Egopath，Egospeed）;
指定目标车辆以40 m/s的速度在自我车辆前行驶，并更换靠近自我车辆的车道。
targetcar = vehicle(scenario,'ClassID'，1）;targetPath = [8 2;60 -3.2;120 33];targetspeed = 40;光滑的标题（TargetCar，TargetPath，TargetSpeed）;
在自我车辆后面显示一个环境的3-D视图。
chaseplot（egovehicle）
Create a vision detection generator that detects lanes and objects. The pitch of the sensor points one degree downward.
VisionSenSor = VisionDetectiongenerator（'沥青'，1.0）;VisionSensor.detectorOutput =“车道和物体”;VisionsEnsor.actorProfiles = ActorProfiles（方案）;
运行模拟。
创建一个鸟的眼情节和相关的绘图仪。
显示传感器覆盖区域。
显示车道标记。
在道路上获得目标的地面真相姿势。
获得理想的车道边界指向高达60 m。
从理想目标姿势和车道边界产生检测。
显示目标的轮廓。
Display object detections when the object detection is valid.
当车道检测有效时，显示车道边界。
bep = birdseyeplot（'xlim',[0 60],'YLim'，[-35 35]）;caplotter = coverAgeAreaeAplotter（BEP，'显示名称','覆盖区域',...“ faceColor”,'蓝色的'）；DITPLOTTER =检测Plotter（BEP，'显示名称',“对象检测”）；lmplotter = lanemarkingPlotter（BEP，'显示名称',“车道标记”）；lbplotter = LaneboundaryPlotter（BEP，'显示名称',...“车道边界检测”,'颜色','red'）；olplotter = utlinePlotter（BEP）;PlotCoverageArea（Caplotter，Visionsensor.sensorlocation，...VisionSensor.maxrange，Visionsensor.yaw，...VisionSensor.FieldOfView（1））;尽管预先（场景）[LMV，LMF] = LANEMARKINGVERTICES（EGOVEHICLE）;PlotLaneMarking（LMPLOTTER，LMV，LMF）TGTPOSE = targetpose（Egovehicle）;lookaheaddistance = 0：0.5：60;lb =车道（egovehicle，'XDistance'，lookaheaddistance，'LocationType','内'）；[obdets，nobdets，abvalid，lb_dets，nlb_dets，lbvalid] =...VisionSenSor（tgtpose，lb，scenario.simulationtime）;[objposition，objyaw，objlength，objwidth，objoriginOffset，color] = targetoutlines（egovehicle）；plotOutline（橄榄球，objposition，objyaw，objlength，objwidth，...“原点”,objoriginOffset,'颜色'，颜色）如果明显的detpos = cellfun（@（d）d.measurement（1：2），obdets，“统一输出”,false); detPos = vertcat(zeros(0,2),cell2mat(detPos')'); plotDetection(detPlotter,detPos)end如果lbvalid plotlaneboundary（lbplotter，vertcat（lb_dets.laneboundaries））endend
算法
Version History
See Also
应用
Objects
您还可以从以下列表中选择一个网站：
美洲
- AméricaLatina（Español）
- 加拿大（英语）
- 美国（英语）