介绍

车道之后的系统是一种控制系统，该控制系统使车辆在高速公路的标记通道内行驶，同时保持与前车辆的用户设定的速度或安全距离。一个车道之后的系统包括组合自助式车辆的纵向和横向控制：

控制系统之后的组合车道实现了纵向和横向控制的各个目标。此外，当控制系统之后的车道可以在不能同时满足它们时调整两种目标的优先级。

有关使用带传感器融合的自适应巡航控制（ACC）的纵向控制的一个例子，请参阅具有传感器融合的自适应巡航控制。有关使用车道检测的车道保持辅助（LKA）系统的侧向控制的示例，请参阅LANE保持辅助车道检测。ACC示例假设理想的车道检测，LKA示例不会考虑周围的车辆。

在该示例中，考虑了两条车道检测和周围的汽车。系统后巷道合成来自视觉和雷达检测的数据，估计车道中心和铅轿厢距离，并计算自我车辆的纵向加速度和转向角。

开放式测试台模型

打开Simulin万博1manbetxk测试台模型。

Open_System（'lanefollowingtestbenchexample'）

该模型包含四个主要组件：

打开此模型也运行Helperlfsetup.脚本，它通过加载模拟模型所需的常量来初始化模型使用的数据，例如车辆模型参数，控制器设计参数，道路场景和周围汽车。万博1manbetx

绘制自我车辆的道路和路径。

情节（方案）

绘制模拟结果并描绘自我车辆环境和跟踪物体，使用鸟瞰（自动驾驶工具箱）。鸟瞰图是一个模型级可视化工具，可以从Simulink ToolStrip打开。万博1manbetx在这一点模拟标签，下面审查结果， 点击鸟瞰。打开范围后，点击设置信号找到信号。

要获得中模仿真视图，模拟模型10.秒。

SIM（'lanefollowingtestbenchexample'那'停止'那'10'）

在模拟型号10秒后，打开鸟瞰的范围。在Scope ToolStrip中，要显示World Comordinates View的方案，请单击世界坐标。在这种观点中，自我车辆被圈出来。要显示车辆协调视图的图例，请单击传奇。

鸟瞰图显示了传感器融合的结果。它显示了雷达和视觉传感器如何如何检测其覆盖区域内的车辆。它还显示了由多目标跟踪器块维护的曲目。黄色轨道显示最重要的物体（MIO），它是自助式车辆前面最近的轨道。也显示出理想的车道标记以及合成检测到的左侧和右车道边界（以红色显示）。

模拟模型到方案结束。

SIM（'lanefollowingtestbenchexample'）

假设没有添加到测量的输出通道＃3中的干扰。- >假设添加到测量的输出干扰，输出通道＃2是集成的白噪声。假设没有添加到测量的输出通道＃1中的干扰。- >假设添加到测量的输出干扰，输出通道＃4是集成的白噪声。- >“MPC”对象的“Model.Noise”属性为空。假设每个测量的输出通道上的白噪声。

绘制控制器性能。

plotlfreesults（logsout，time_gap，default_spacing）

第一个图显示了以下间距控制性能结果。

第二个图显示了以下横向控制性能结果。

探索控制器后的车道

控制器子系统之后的车道包含三个主要部分：1）估计车道中心2）跟踪和传感器融合3）MPC控制器

Open_System（'LaneSeallingTestBenchexample / Lane后面控制器'）

估算车道中心子系统将车道传感器数据输出到MPC控制器。预览曲率提供了自助式车辆前方车道曲率的中心线。在该示例中，自我车辆可以向前看3秒，这是预测地平线和控制器采样时间的乘积。控制器使用预览信息来计算EGO车辆转向角，这提高了MPC控制器性能。横向偏差测量自我车辆与车道的中心线之间的距离。相对偏航角度测量自我车辆和道路之间的偏航角差。子系统内的ISO 8855到SAE J670E块将使用ISO 8855的车道检测转换为使用SAE J670E的MPC控制器。

跟踪和传感器融合子系统处理来自车辆和环境子系统的视觉和雷达检测，并在自我车辆周围产生环境的综合情况。此外，它提供了在控制器前面的控制器之后的车道，其在自我车辆前面的车道中最近的车辆。

MPC控制器块的目标是：

MPC控制器基于输入的掩模参数在路径（PFC）系统块之后设计，设计的MPC控制器是自适应MPC，其在运行时更新车辆模型。车道之后的控制器根据以下输入计算自我车辆的纵向加速度和转向角：

考虑到自助式车辆的物理限制，转向角受到约束为在[-0.26,0.26]的范围内，并且纵向加速度被约束为在[-3,2] m / s ^ 2内。

探索车辆和环境

车辆和环境子系统使控制器之后的车道闭环模拟。

Open_System（'LaneAledingtestbench表演/车辆和环境'）

系统延迟阻止模型输入和输出之间系统中的延迟。延迟可能是由传感器延迟或通信延迟引起的。在此示例中，延迟由一个采样时间近似秒。

车辆动态子系统使用来自车辆动态Bloctset™的自行车模型 - 力输入块来模拟车辆动态。较低级别的动态由一阶线性系统建模，其中时间常数秒。

SAE J670E到ISO 8855子系统将使用SAE J670E的车辆动态转换为场景阅读器，该坐标使用ISO 8855。

这情景读者（自动驾驶工具箱）块读取actor从方案文件姿势姿势数据。该街区将演员与情景的世界坐标姿势转换为自我车辆坐标。演员姿势在块生成的总线上流式传输。方案阅读器块还基于车辆相对于所用方案的位置生成理想的左右车道边界Helperlfsetup.。

视觉检测发生器块从方案读取器块中获取理想的车道边界。检测发生器模拟单眼摄像机的视野，并确定每个道路边界的标题角，曲率，曲率导数和有效长度，占任何其他障碍物。雷达检测块基于在方案中定义的雷达横截面产生雷达的视野中存在的地面真实数据的点检测。

运行用于多个测试场景的控制器

此示例使用基于ISO标准和现实世界方案的多个测试场景。要验证控制器性能，可以为多种方案测试控制器，并在性能不令人满意的情况下调整控制器参数。要这样做：

您可以使用Simulink Test™自动化控制器的验证和验证。万博1manbetx

为控制算法生成代码

这lfrefmdl.模型支持使用万博1manbetx嵌入式码头软件生成C代码。要检查您是否可以访问嵌入式编码器，请运行：

hasembeddedcoderlicense =许可证（'查看'那'rtw_embedded_coder'）

您可以为模型生成C函数，并通过运行探索代码生成报告：

如果HasembeddedCoderLicense Slbuild（'lfrefmdl'）结尾

您可以验证编译的C代码是否与循环（SIL）模拟的预期行为。模拟这一点lfrefmdl.SIL模式中引用模型，使用：

如果hasembeddedcoderlicense set_param（'LaneSeallingTestBenchexample / Lane后面控制器'那......'simulationmode'那'软件 - 循环（SIL）'）结尾

当你运行时lanealedingtestbenchexample.模型，代码生成，编译和执行lfrefmdl.模型，它使您能够通过模拟测试编译代码的行为。

结论

此示例显示如何在具有传感器融合和车道检测的弯曲道路上实现控制器后控制器，使用自动化驾驶工具箱软件的综合数据进行模拟数据，将其组装为Supportic Data，并自动为其生成代码。万博1manbetx

关闭全部bdClose.全部