使用MATLAB自动驾驶

第2天的第2天

地面真相数据的标签

客观的：在视频或图像序列中标记地面真实数据。使用检测和跟踪算法自动化标签。

• 地面真相标签应用概述
• Label regions of interest (ROIs) and scenes
• 自动标签
• 查看和出口地面真相结果

Visualizing Sensor Data

客观的：Visualize camera frames, radar, and lidar detections. Use appropriate coordinate systems to transform image coordinates to vehicle coordinates and vice versa.

• 创建一个鸟的眼情节
• Plot sensor coverage areas
• 可视化检测和车道
• 从车辆转换为图像坐标
• 带有检测和车道边界的注释视频

Detecting Lanes and Vehicles

客观的：段和模型抛物线车道边界。使用预审前的对象探测器检测车辆。

• 执行鸟类的视图转换
• 检测车道功能
• 计算车道模型
• 用地面真相验证车道检测
• 带有预验物探测器的车辆检测

处理激光雷达点云

客观的：使用存储为3-D点云的LiDAR数据。通过将它们分割成簇来导入，可视化和过程云。寄存器点云以对齐并构建一个累积的点云图。

• 导入和可视化点云
• 预处理点云
• LIDAR传感器数据的细分对象
• Build a map from lidar sensor data

第2天的第2天

融合传感器检测和跟踪

客观的：创建一个多对象跟踪器，以从多个传感器（例如相机，雷达和激光雷）等信息融合信息。

• 跟踪多个对象
• 预处理检测
• 利用卡尔曼过滤器
• 管理多个轨道
• Track with multi-object tracker

Tracking Extended Objects

客观的：创建一个概率假设密度跟踪器以跟踪扩展对象并估计其空间范围。

• 定义传感器配置
• 跟踪扩展对象
• 估计空间范围

生成驾驶场景和建模传感器

客观的：创建驾驶场景，合成雷达和摄像机传感器检测，以测试自动驾驶感知算法。

• 驾驶场景设计师应用程序的概述
• 用道路，演员和传感器创建场景
• 模拟和可视化场景
• Generate detections and export scenarios
• 测试场景算法