Документация

Введение

Automated Driving Toolbox™ интегрирует 3D среду симуляции в Simulink®. 3D среда симуляции использует Нереальный Engine® Epic Games®. Блоки Simulink, связанные с 3D средой симуляции, могут быть найдены в drivingsim3d библиотека. Эти блоки обеспечивают способность к:

Этот мощный инструмент симуляции может использоваться, чтобы добавить действительные данные при разработке, тестируя, и проверяя производительность автоматизированных ведущих алгоритмов, позволяя к сценариям тестирования, которые затрудняют, чтобы воспроизвести в реальном мире.

В этом примере вы оцениваете алгоритм восприятия лидара с помощью синтетических данных о лидаре, сгенерированных от 3D среды симуляции. Пример обходит вас через следующие шаги:

Настройте сценарий в среде симуляции

Во-первых, настройте сценарий в 3D среде симуляции, которая может использоваться, чтобы протестировать алгоритм восприятия. Используйте сцену, изображающую типичный городской квартал с одним транспортным средством, транспортным средством под тестом. Можно использовать эту сцену, чтобы проверить производительность алгоритма в городской дорожной установке.

Затем выберите траекторию для транспортного средства, чтобы следовать в сцене. Выбрать Waypoints для 3D примера Симуляции описывает, как в интерактивном режиме выбрать последовательность waypoints от сцены и сгенерировать траекторию транспортного средства. Этот пример использует полученное использование сегмента записанного диска helperSelectSceneWaypoints функция, как описано в waypoint примере выбора.

% Load reference path for recorded drive segment
data = load('sim3d_DriveSegmentUSCityBlock.mat');

% Set up workspace variables used by model
refPosesX = data.driveSegmentUSCityBlock.refPathX;
refPosesY = data.driveSegmentUSCityBlock.refPathY;
refPosesT = data.driveSegmentUSCityBlock.refPathT;

% Display path on scene image
sceneName = 'USCityBlock';
hScene = figure;
helperShowSceneImage(sceneName);
hold on
scatter(refPosesX(:,2), refPosesY(:,2), [], 'filled')

% Adjust axes limits
xlim([-60 30])
ylim([-30 50])

SimulateLidarSensorPerceptionAlgorithm Модель Simulink сконфигурирована со сценой Городского квартала США с помощью Симуляции 3D Блок Configuration Сцены. Модель помещает транспортное средство в сцену с помощью Симуляции 3D Транспортное средство с блоком Ground Following. Датчик лидара присоединен к транспортному средству с помощью блока Simulation 3D Lidar. В диалоговом окне блока используйте вкладку Mounting, чтобы настроить размещение датчика и вкладку Parameters, чтобы сконфигурировать свойства датчика симулировать различные датчики лидара. В этом примере лидар смонтирован на центре крыши. Датчик лидара сконфигурирован, чтобы смоделировать типичный датчик Velodyne® HDL-32E.

close(hScene)

if ~ispc
    error(['3D Simulation is only supported on Microsoft', char(174), ' Windows', char(174), '.']);
end

% Open the model
modelName = 'SimulateLidarSensorPerceptionAlgorithm';
open_system(modelName);
snapnow;

Модель использует активированную подсистему, чтобы иметь два режима на основе состояния recordMode переменная рабочей области.

Для получения дополнительной информации об активированных подсистемах, смотрите Используя Enabled Подсистемы (Simulink).

Остальная часть примера выполняет эти шаги:

Запишите и визуализируйте данные о датчике лидара синтетического продукта

Запись и Визуализирует записи подсистемы синтетические данные о лидаре к рабочей области с помощью блока To Workspace. Визуализировать блок MATLAB function Облака точек использует pcplayer объект визуализировать облака точек потоковой передачи.

subsystemName = [modelName, '/', 'Record and Visualize'];
open_system(subsystemName, 'force');
snapnow;

Симулируйте модель в режиме записи и наблюдайте отображение облака точек потоковой передачи, показывая синтетические данные о датчике лидара. Если модель завершила симуляцию, simOut переменная содержит структуру с переменными, записанными в рабочую область. helperGetPointCloud функционируйте извлекает данные о датчике в массив pointCloud объекты. pointCloud объект является основной структурой данных, используемой, чтобы содержать данные о лидаре и выполнить обработку облака точек в MATLAB.

% Close the Record and Visualize subsystem
close_system(subsystemName);

% Set mode to record data
recordMode = true; %#ok<NASGU>

% Update simulation stop time to end when reference path is completed
simStopTime = refPosesX(end,1);
set_param(gcs, 'StopTime', num2str(simStopTime));

% Run the simulation
simOut = sim(modelName);

% Create a pointCloud array from the recorded data
ptCloudArr = helperGetPointCloud(simOut);

Используйте записанные данные, чтобы разработать алгоритм восприятия

Синтетические данные о датчике лидара могут использоваться, чтобы разработать, экспериментировать с и проверить алгоритм восприятия в различных сценариях. Этот пример использует алгоритм, чтобы создать 3D карту среды от потоковой передачи данных о лидаре. Такой алгоритм является базовым блоком для приложений как одновременная локализация и отображение (SLAM). Этот алгоритм может также использоваться, чтобы создать карты высокой четкости (HD) для географических областей, которые могут затем использоваться в онлайновой локализации. Карта, создающая алгоритм, инкапсулируется в helperLidarMapBuilder класс. Этот класс использует облако точек и возможности обработки лидара в MATLAB. Смотрите Лидар и Облако точек, Обрабатывающее (Computer Vision Toolbox).

helperLidarMapBuilder класс берет входящие облака точек из лидара и прогрессивно создает карту с помощью следующих шагов:

Для простоты этот пример использует алгоритм отображения только для лидара без внешних сигналов от других датчиков. Такой алгоритм восприимчив к дрейфу при накоплении карты по длинным последовательностям. Кроме того, ОСНОВАННАЯ НА NDT регистрация чувствительна к инициализации. Это типично, чтобы использовать внешние сигналы как точный расчет или IMU, чтобы инициализировать регистрацию.

% Create a lidar map builder
mapBuilder = helperLidarMapBuilder();

% Loop through the point cloud array and progressively build a map
skipFrames = 5;
numFrames  = numel(ptCloudArr);
exitLoop   = false;

for n = 1 : skipFrames : numFrames-skipFrames

    % Update map with new lidar frame
    updateMap(mapBuilder, ptCloudArr(n));

    % Update top-view display
    isDisplayOpen = updateDisplay(mapBuilder, exitLoop);

    % Check and exit if needed
    exitLoop = ~isDisplayOpen;
end

snapnow;

% Close display
closeDisplay = true;
updateDisplay(mapBuilder, closeDisplay);

Визуализируйте вычисленное использование накопленной карты записанных данных.

hFigRecorded = figure;
pcshow(mapBuilder.Map)
title('Point Cloud Map - Recorded Data')

% Customize axes labels
xlabel('X (m)')
ylabel('Y (m)')
zlabel('Z (m)')

Симулируйте с алгоритмом восприятия

После разработки алгоритма восприятия с помощью зарегистрированных данных можно использовать алгоритм в среде симуляции.

Чтобы обновить модель к режиму алгоритма, установите recordMode переменная к false. Этот режим включает Карту Сборки из подсистемы Лидара, которая использует блок MATLAB function, чтобы запустить алгоритм восприятия в процессе моделирования.

close(hFigRecorded)

subsystemName = [modelName, '/', 'Build Map from Lidar'];
open_system(subsystemName, 'force');
snapnow;

% Set record mode to false to enable perception in the loop
recordMode = false; %#ok<NASGU>

% Simulate with perception
sim(modelName);
snapnow;

Заключение

В этом примере вы использовали интерфейс Simulink для 3D среды симуляции к:

Путем изменения сцены, размещения большего количества транспортных средств в сцену или обновления монтирования датчика и параметров, алгоритм восприятия может быть протестирован на напряжение согласно различным сценариям. Этот подход может использоваться, чтобы увеличить покрытие для сценариев, которые затрудняют, чтобы воспроизвести в реальном мире.

% Close windows
close_system(subsystemName)
close_system(modelName)

% Reset record mode
recordMode = true;

Вспомогательные Функции

Извлечение helperGetPointCloud массив pointCloud объекты.

function ptCloudArr = helperGetPointCloud(simOut)

% Extract signal
ptCloudData = simOut.ptCloudData.signals.values;

% Create a pointCloud array
ptCloudArr = pointCloud(ptCloudData(:,:,:,1));

for n = 2 : size(ptCloudData,4)
    ptCloudArr(end+1) = pointCloud(ptCloudData(:,:,:,n));  %#ok<AGROW>
end
end