慕尼黑技术大学Thomas Herrmann
MichaelLüthy,Speedgeat
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人类+机器挑战赛。TUM的自动驾驶软件堆栈管理环境感知、自动导航和轨迹跟踪。
实际上测试完整的自主驾驶软件堆栈的能力,同时依靠车辆及其周围环境的高保真模拟,在开发自主驾驶系统时具有重要意义。此通话介绍了一种基于可扩展和可扩展硬件的硬件In-循环(HIL)环境,可利用集成的软件解决方案。
全自动驾驶系统由两台独立的硬件目标计算机模拟,这两台硬件目标计算机模拟了NVIDIA机器人汽车的真实技术设置®Drive™PX2和Speedgoat实时目标机器。移动实时目标机器专门用于使用Simulink Real-Time™的用作车辆ECU,将中期所需的轨迹转换为车辆执行器的即时命令,尽管实时可以控制万博1manbetx器。NVIDIA Drive PX2负责诸如轨迹规划和传感器处理的任务。两个单元之间的通信由实时UDP处理。
第二SpeedGoat目标机器用于模拟车辆动态作为对车辆ECU输入的反应。这种实时模拟器还具有传感器和执行器仿真器,使软件认为它在现实世界中使用现实的数据流运营。使用Simulink处理物理和行为建模万博1manbetx®和车辆动态BlockSet™,使用Simulink实时实现,使快速的原型设万博1manbetx计到实时目标上。
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。可以使用虚幻引擎中的级别编辑器轻松构建真实世界赛道的双表示®通过导入从车辆传感器捕获的跟踪数据。
记录:2019年4月11日
您还可以从以下列表中选择一个网站:
选择中国网站(以中文或英文)以获取最佳网站性能。其他MathWorks国家网站未优化您的位置。