Введение

Сплав датчика и отслеживание являются основным компонентом восприятия автоматизированных ведущих приложений. Автономное транспортное средство использует много встроенных датчиков, чтобы изучить мир вокруг этого. Каждый из датчиков использование транспортного средства для самоходных приложений, таких как радар, камера и датчики лидара имеет свои собственные ограничения. Цель сплава датчика и отслеживания состоит в том, чтобы взять входные параметры различных датчиков и типов датчика, и использовать объединенную информацию, чтобы чувствовать среду более точно. Любая ультрасовременная система автономного управления автомобилем, которая может принять критические решения, такие как магистральный маршрут после или магистральное изменение маршрута, строго использует сплав датчика и отслеживание. По сути, необходимо протестировать проект сплава датчика и систем слежения с помощью модели уровня компонента. Эта модель позволяет вам протестировать критические сценарии, которые затрудняют, чтобы протестировать в режиме реального времени.

В этом примере показано, как плавить и отследить обнаружения от нескольких датчиков обнаружения видения и радарного датчика. Датчики смонтированы на автомобиле, оборудованном датчиком, таким образом, что они предоставляют 360 страховых защит степени вокруг автомобиля, оборудованного датчиком. Радарные обнаружения кластеров в качестве примера, предохранители их с обнаружениями видения, и отслеживают обнаружения с помощью средства отслеживания мультиобъекта объединенной вероятностной ассоциации данных (JPDA). Пример также показывает, как оценить эффективность средства отслеживания с помощью обобщенного оптимального присвоения подшаблона (GOSPA) метрика для набора предопределенных сценариев в среде разомкнутого контура. В этом примере, вас:

Исследуйте тестовую модель

Этот пример использует и тестовую модель и образец модели, окружают сплав датчика транспортного средства. Тестовая модель симулирует и тестирует поведение алгоритма сплава и отслеживания в разомкнутом контуре. Образец модели реализует алгоритм сплава и отслеживания датчика. Откройте тестовую модель.

open_system('SurroundVehicleSensorFusionTestBench');

Открытие этой модели запускает helperSLSurroundVehicleSensorFusionSetup скрипт, который инициализирует дорожный сценарий с помощью drivingScenario объект в базовом рабочем пространстве. Скрипт также конфигурирует параметры датчика, параметры средства отслеживания и сигналы шины Simulink, требуемые задавать вводы и выводы для SurroundVehicleSensorFusionTestBench модель. Тестовая модель содержит эти подсистемы:

Сконфигурируйте датчики и среду

Подсистема Датчиков и Среды конфигурирует дорожную сеть, устанавливает положения транспортного средства и синтезирует датчики. Откройте подсистема Среды и Датчики.

open_system('SurroundVehicleSensorFusionTestBench/Sensors and Environment');

Подсистема конфигурирует пять датчиков видения и радарный датчик, чтобы получить окружить представление транспортного средства. Эти датчики смонтированы на других местах на автомобиле, оборудованном датчиком, чтобы получить 360 представлений степени. helperSLSurroundVehicleSensorFusionSetup скрипт устанавливает параметры моделей датчика.

Bird ' s-Eye Scope отображает покрытие датчика при помощи представления кубоида. Радарная зона охвата и обнаружения находятся в красном. Зона охвата видения и обнаружения находятся в синем.

Выполните Fusion датчика и отслеживание

Окружить Fusion Датчика Транспортного средства является образцом модели, что видение процессов и радарные обнаружения и генерируют положение и скорость дорожек относительно автомобиля, оборудованного датчиком. Откройте Окружить образец модели Fusion Датчика Транспортного средства.

open_system('SurroundVehicleSensorFusion');

Объединенное Вероятностное Средство отслеживания Мультиобъекта Ассоциации Данных является ключевым блоком в Окружить образце модели Fusion Датчика Транспортного средства. Средство отслеживания плавит информацию, содержавшуюся в конкатенированных обнаружениях, и отслеживает объекты вокруг автомобиля, оборудованного датчиком. Средство отслеживания затем выводит список подтвержденных дорожек. Эти дорожки обновляются во время предсказания, управляемое электронными часами в подсистеме Среды и Датчиках.

Оцените эффективность средства отслеживания

Метрическая подсистема Оценки вычисляет различные метрики, чтобы оценить эффективность средства отслеживания. Откройте Метрическую подсистему Оценки.

Эта метрика оценивает эффективность средства отслеживания путем объединения и присвоения и точности оценки состояния в одну величину затрат. Откройте Метрическую подсистему Оценки.

open_system('SurroundVehicleSensorFusionTestBench/Metrics Assessment');

Чтобы оценить эффективность средства отслеживания, необходимо удалить информацию об основной истине агентов, которые находятся вне зоны охвата датчиков. С этой целью подсистема использует Фильтр В блоке MATLAB function Покрытия, чтобы отфильтровать только тех агентов, которые являются в зоне охвата датчиков.

Подсистема содержит метрический блок GOSPA, который вычисляет эти метрики:

Симулируйте тестовую модель и анализируйте результаты

В процессе моделирования можно визуализировать сценарий с помощью Bird ' s-Eye Scope. Чтобы открыть осциллограф, нажмите Bird's-Eye Scope в разделе Review Results панели инструментов Simulink. Затем нажмите Find Signals, чтобы найти сигналы, что осциллограф может отобразиться. Выберите tracksInEgo сигнал для подтвержденных дорожек.

Сконфигурируйте SurroundVehicleSensorFusionTestBench модель, чтобы симулировать scenario_LC_06_DoubleLaneChange сценарий. Этот сценарий содержит 10 транспортных средств, включая автомобиль, оборудованный датчиком, и задает их траектории. В этом сценарии автомобиль, оборудованный датчиком перестраивается на другую полосу два раза. Целевые агенты перемещают автомобиль, оборудованный датчиком.

helperSLSurroundVehicleSensorFusionSetup("scenarioFcnName","scenario_LC_06_DoubleLaneChange");

Симулируйте тестовую модель.

sim('SurroundVehicleSensorFusionTestBench');

Если симуляция запускается, используйте окно Bird's-Eye Scope, чтобы визуализировать агента эго, целевых агентов, покрытия датчика и обнаружения и подтвержденные дорожки.

В процессе моделирования, выходные параметры модели метрика GOSPA и ее компоненты, которые измеряют статистическое расстояние между несколькими дорожками и истинами. Модель регистрирует эти метрики, с подтвержденными дорожками и информацией об основной истине, к переменной logsout базового рабочего пространства . Можно построить значения в logsout при помощи helperPlotSensorFusionResults функция.

helperPlotSurroundVehicleSensorFusionResults(logsout);

В этой симуляции параметры расстояния Типа и Сокращения Расстояния метрического блока GOSPA устанавливаются на custom и 30 соответственно. helperComputeDistanceToTruth функция вычисляет пользовательское расстояние путем объединения ошибок в положении и скорости между каждой истиной и дорожкой.

Исследуйте другие сценарии

Можно использовать процедуру в этом примере, чтобы исследовать эти другие сценарии, которые совместимы с SurroundVehicleSensorFusionTestBench:

  scenario_LC_01_SlowMoving
  scenario_LC_02_SlowMovingWithPassingCar
  scenario_LC_03_DisabledCar
  scenario_LC_06_DoubleLaneChange [Default]
  scenario_LC_07_RightLaneChange
  scenario_LC_08_SlowmovingCar_Curved
  scenario_LC_09_CutInWithBreak_Curved
  scenario_LC_10_SingleLaneChange_Curved
  scenario_SVSF_01_ConstVelocityAsTargets
  scenario_SVSF_02_CrossTargetActors

Используйте эти дополнительные сценарии, чтобы анализировать SurroundVehicleSensorFusionTestBench при различных условиях.

Заключение

Этот пример показал, как симулировать и оценить эффективность окружить компонента сплава и отслеживания датчика транспортного средства для магистральных маневров изменения маршрута. Эта модель уровня компонента позволяет вам стресс-тест ваш проект в виртуальной среде разомкнутого контура и помогает в настройке параметров средства отслеживания путем оценки метрик GOSPA. Следующий логический шаг должен интегрировать эту модель уровня компонента в системе с обратной связью как магистральное изменение маршрута.