高速公路车道改变
这个例子展示了如何看待围观信息和用它来设计一个自动车道改变操作系统的高速公路驾驶场景。
介绍
自动车道改变机动(LCM)系统能够自我车辆自动从一个通道转移到另一个车道。一个模块系统的纵向和横向控制动力学模型自动车道改变。LCM系统扫描环境最重要的对象(绪)使用机载传感器,避免这些对象确定一个最优轨迹,引导自我车辆沿着轨迹识别。
这个例子展示了如何创建一个试验台模型测试传感器融合,规划师和控制器组件的模块系统。这个示例使用五个视觉传感器和一个雷达传感器来检测其他车辆从周围的自我。它使用一个基于联合概率数据关联(JPDA)跟踪器跟踪从这些多传感器融合检测。车道改变计划然后生成一个可行的轨迹跟踪谈判车道改变所执行的车道控制器。在本例中,您:
分区算法和测试台上——模型划分车道改变算法模型和一个试验台模型。该算法模型实现模块系统的各个组件。该试验台包括算法的集成模型和测试框架。
探索试验台模型——试验台模型包含测试框架,其中包括传感器和环境,自我车辆动力学模型和指标评估使用地面实况。
探索算法模型——算法模型是参考模型,实现传感器融合,规划师和控制器组件构建车道改变应用程序。
模拟和可视化系统的行为——模拟试验台模型测试的集成传感器融合和跟踪计划和控制执行车道改变动作与多个车辆在弯曲的道路。
探索其他场景在附加条件下,这些场景测试系统。
您可以应用在这个例子中使用的建模模式来测试自己的模块系统。
分区算法和试验台
模型划分为单独的算法模型和模型试验台。
算法模型,算法模型是参考模型,实现各个组件的功能。
试验台的模型高速公路车道改变试验台指定的刺激和环境测试算法模型。
探索试验台模型
在本例中,您使用系统级仿真试验台模型来探索的行为概率传感器模块系统。
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,这样你就可以编辑它们。
目录(fullfile (matlabroot,“工具箱”,“开车”,“drivingdemos”));helperDrivingProjectSetup (“HighwayLaneChange.zip”workDir = pwd);
打开系统级仿真试验台模型。
open_system (“HighwayLaneChangeTestBench”)
打开这个模型运行helperSLHighwayLaneChangeSetup
函数,该函数初始化道路场景中使用drivingScenario
对象的基本工作空间。它还配置传感器配置参数,跟踪器设计参数,规划配置参数,控制器的设计参数、车辆模型参数,仿真软件®总线信号定义所需的输入和输出万博1manbetxHighwayLaneChangeTestBench
模型。
试验台模型包含这些子系统:
场景和环境
子系统,指定现场,车辆,用于模拟传感器和地图数据。这个示例使用五个视觉传感器,一个雷达传感器,INS传感器。围绕车辆传感器融合
子系统,融合多个传感器的检测生产跟踪。计划配置参数
子系统,指定所需的配置参数规划算法。高速公路车道改变计划
子系统,实现了车道改变规划算法的高速公路开车。车道改变控制器
子系统,指定了路径跟踪控制器产生控制命令来引导自我生成车辆沿着轨迹。车辆动力学
子系统,指定自我车辆的动态模型。指标的评估
——指定子系统指标评估系统级的行为。
的高速公路车道改变计划
,车道改变控制器
,指标的评估
子系统是相同的高速公路车道改变规划师和控制器的例子。然而,而莱恩规划师在高速公路车道上改变规划师和控制器的例子中,使用地面实况信息从场景中检测绪,车道改变规划师在这个示例使用跟踪从周围车辆传感器融合检测绪。的车辆动力学
子系统模型自我车辆使用自行车模型块,并使用命令收到更新其状态车道改变控制器
子系统。
的场景和环境
子系统使用场景的读者块提供道路网络和车辆地面实况的位置。这也块输出所需的地图数据高速公路车道改变规划算法。这个子系统输出视觉传感器的检测,集群的雷达传感器,并从INS ego-estimated位置传感器所需的传感器融合和跟踪算法。打开场景和环境
子系统。
open_system (“HighwayLaneChangeTestBench /场景和环境”)
子系统配置5个视觉传感器和雷达传感器捕捉周围的车辆。这些传感器安装在不同位置上的自我车辆捕获360度视图。
的鸟瞰的范围使用一个长方体表示显示传感器的覆盖范围。雷达覆盖区和检测是红色的。视觉上覆盖范围和检测是蓝色的。
的车辆动力学
子系统使用自行车模型块自我车辆模型。为更多的细节车辆动力学
子系统,看到高速公路车道后的例子。打开车辆动力学
子系统。
open_system (“HighwayLaneChangeTestBench /车辆动力学”);
自行车模型块实现了刚性两轴单轨车辆的身体模型计算纵向,横向和偏航运动。块占身体质量、空气动力阻力和重量分布之间由于加速度和转向轴。更多细节,请参阅自行车模型(自动驾驶工具箱)。
的指标的评估
子系统支持系统级指标评价使用地面实况信息的场景。打开指标的评估
子系统。
open_system (“HighwayLaneChangeTestBench /指标评估”)
的
碰撞检测
子系统检测自我的碰撞车辆与其他车辆和停止仿真,如果它检测到一个碰撞。子系统也计算TimeGap参数使用的距离导致车辆(进展)和纵向速度的自我。这个参数是评价规定的限额。的
混蛋指标
子系统计算LongitudinalJerk和LateralJerk分别使用纵向速度和横向速度参数。这些参数评估规定的限额。
更多细节上如何使用仿真软件验证指标的自动测试,看到万博1manbetx自动化测试高速公路车道改变的例子。
探索算法模型
车道改变系统集成开发的周围车辆传感器融合、前馈规划师,lane-following控制器组件。
围绕车辆传感器融合算法模型融合从摄像机和雷达传感器车辆检测和跟踪检测到车辆使用了跟踪方法。打开围绕车辆传感器融合
算法模型。
open_system (“SurroundVehicleSensorFusion”)
围绕车辆传感器融合模型采用视觉传感器的车辆检测和集群的雷达传感器作为输入。
的
视觉检测连接
块连接视觉检测。的
从视觉删除速度
块是一个MATLAB函数块删除从视觉检测速度信息。的
视觉和雷达检测连接
块连接愿景和雷达探测。的
添加定位信息
块是一个MATLAB函数块,将自我的车辆定位信息添加到连接检测使用估计自我车辆从INS传感器构成。这使得跟踪器跟踪全球框架,并将影响最小化跟踪车道改变动作的自我。的
helperJPDATracker
块执行融合和管理固定和移动对象的轨迹。跟踪融合中包含的信息连接自我车辆检测和跟踪对象。它估计跟踪Frenet坐标系统。它使用mapInfo从场景中估计跟踪Frenet坐标系统。然后跟踪输出的跟踪确认。这些跟踪更新预测时间由一个数字时钟场景和环境
子系统。
更多细节的算法,请参阅对象跟踪和运动规划使用Frenet参考路径的例子。
高速公路车道改变计划是高速公路车道改变系统的一个基本组成部分。预计这个组件来处理不同的驾驶行为安全自我导航车辆从一个点到另一个点。的高速公路车道改变计划
取样器算法模型包含一个终端状态,运动规划,预测和运动模块。终端状态样本取样器终端状态规划师参数和当前状态的基础上自我车辆和其他车辆的场景。绪的运动预测模块预测未来运动。运动计划样本轨迹和输出最优轨迹。打开高速公路车道改变计划
算法模型。
open_system (“HighwayLaneChangePlanner”)
算法模型实现了高速公路车道改变系统的主要算法。参考模型读取地图数据,演员姿势(在世界坐标),和计划参数场景和环境
子系统进行轨迹规划。模型使用Frenet坐标系找到自我车辆周围的绪。然后,模型样本终端状态不同的行为,预测目标的运动参与者,并生成多个轨迹。最后,轨迹生成的模型评估的成本和可行性检查碰撞和运动的可能性估计最优轨迹。更多细节,请参阅生成代码公路车道改变计划的例子。
的车道改变控制器
参考模型模拟路径跟踪控制机制,保持自我生成车辆旅行沿着轨迹跟踪一组速度。打开车道改变控制器
参考模型。
open_system (“LaneChangeController”);
控制器调整纵向加速度和转向角面前自我的车辆,以确保自我车辆旅行沿着轨迹生成。控制器计算最优控制行动而令人满意的速度,加速度和转向角约束使用自适应模型预测控制(MPC)。更多细节的集成高速公路车道改变规划师和控制器,看到高速公路车道改变规划师和控制器的例子。
模拟和可视化系统的行为
设置和运行HighwayLaneChangeTestBench
仿真模型可视化在车道改变系统的行为。的可视化
块模型中创建一个MATLAB图,显示了追逐视图和视图的场景和情节自我车辆、轨道、采样轨迹,胶囊列表和其他车辆的场景。
禁用MPC更新消息。
mpcverbosity (“关闭”);
配置HighwayLaneChangeTestBench
模型使用scenario_LC_15_StopnGo_Curved
场景。
helperSLHighwayLaneChangeSetup (scenarioFcnName =“scenario_LC_15_StopnGo_Curved”);sim卡(“HighwayLaneChangeTestBench”);
在仿真过程中,信号基本工作空间模型日志logsout
。您可以分析仿真结果和调试使用系统中的任何失败的行为helperAnalyzeLCSimulationResults
函数。这个函数创建一个MATLAB人物和情节追逐的场景。为更多的细节在这个图,请参阅高速公路车道改变规划师和控制器的例子。运行功能和探索情节。
helperAnalyzeLCSimulationResults (logsout);
探索其他场景
在这个例子中,你有探索的系统行为scenario_LC_15_StopnGo_Curved
场景,但是您可以使用相同的试验台模型探索其他场景。这是一个兼容的场景列表HighwayLaneChangeTestBench
模型。
scenario_LC_01_SlowMoving scenario_LC_02_SlowMovingWithPassingCar scenario_LC_03_DisabledCar scenario_LC_04_CutInWithBrake scenario_LC_05_SingleLaneChange scenario_LC_06_DoubleLaneChange scenario_LC_07_RightLaneChange scenario_LC_08_SlowmovingCar_Curved scenario_LC_09_CutInWithBrake_Curved scenario_LC_10_SingleLaneChange_Curved scenario_LC_11_MergingCar_HighwayEntry scenario_LC_12_CutInCar_HighwayEntry scenario_LC_13_DisabledCar_Ushape scenario_LC_14_DoubleLaneChange_Ushape scenario_LC_15_StopnGo_Curved(默认)
每一个场景创建使用驾驶场景设计师并出口到一个场景文件。检查每个文件中的注释为更多的细节在路上和车辆在每一个场景。您可以配置HighwayLaneChangeTestBench
模型和模拟这些场景使用工作区helperSLHighwayLaneChangeSetup
函数。例如,您可以配置一个弯曲的道路场景的模拟使用这个命令。
helperSLHighwayLaneChangeSetup (scenarioFcnName =“scenario_LC_10_SingleLaneChange_Curved”);
结论
在本例中,您的设计和模拟高速公路车道改变操作系统利用从周围感知的信息视图。这个例子展示了如何集成传感器融合,规划师和控制器组件模拟高速公路车道改变系统闭环环境。示例还演示了各种评价指标来验证设计的系统的性能。如果你有一个仿真软件编码器™万博1manbetx许可证和嵌入式编码™许可证,您可以生成算法的模型便于部署的代码为嵌入式实时目标(ERT)。
使货币政策委员会再次更新消息。
mpcverbosity (“上”);
另请参阅
trajectoryOptimalFrenet
(导航工具箱)