Введение

Слияние и отслеживание сенсоров - фундаментальный компонент восприятия автоматических приложений вождения. Автономное транспортное средство использует множество бортовых датчиков, чтобы понять окружающий мир. Каждый из датчиков, используемых транспортным средством для самоуправляемых применений, таких как радар, камера и лидарные датчики, имеет свои собственные ограничения. Цель слияния и отслеживания датчиков состоит в том, чтобы взять входы различных датчиков и типов датчиков и использовать объединенную информацию для более точного восприятия окружающей среды. Любая передовая автономная система вождения, которая может принимать критические решения, такие как следование за полосой движения или изменение полосы движения, сильно полагается на слияние и отслеживание датчиков. Таким образом, необходимо протестировать конструкцию систем слияния датчиков и слежения с использованием модели уровня компонентов. Эта модель позволяет тестировать критические сценарии, которые трудно проверить в режиме реального времени.

В этом примере показано, как запалить и отследить детекторы от нескольких датчиков обнаружения зрения и радиолокационного датчика. Датчики установлены на эго-транспортном средстве таким образом, что они обеспечивают 360-градусное покрытие вокруг эго-транспортного средства. Пример объединяет радиолокационные детекторы, объединяет их с детекторами зрения и отслеживает детекторы с помощью совместного многообъектного трекера вероятностной ассоциации данных (JPDA). В примере также показано, как оценить производительность трекера с использованием обобщенной метрики назначения оптимального податтерна (GOSPA) для набора предопределенных сценариев в среде с разомкнутым контуром. В этом примере выполняется следующее:

Изучение модели испытательного стенда

В этом примере используется как модель испытательного стенда, так и эталонная модель слияния датчиков окружающего транспортного средства. Модель испытательного стенда моделирует и проверяет поведение алгоритма слияния и слежения в разомкнутом цикле. Эталонная модель реализует алгоритм слияния и отслеживания датчиков. Откройте модель испытательного стенда.

open_system('SurroundVehicleSensorFusionTestBench');

При открытии этой модели запускается helperSLSurroundVehicleSensorFusionSetup сценарий, который инициализирует сценарий дороги с помощью drivingScenario в базовой рабочей области. Сценарий также конфигурирует параметры датчика, параметры трекера и сигналы шины Simulink, необходимые для определения входов и выходов для SurroundVehicleSensorFusionTestBench модель. Модель испытательного стенда содержит следующие подсистемы:

Настройка датчиков и среды

Подсистема «Датчики и окружающая среда» конфигурирует дорожную сеть, устанавливает положение транспортного средства и синтезирует датчики. Откройте подсистему датчиков и окружающей среды.

open_system('SurroundVehicleSensorFusionTestBench/Sensors and Environment');

Подсистема конфигурирует пять датчиков обзора и радиолокационный датчик для регистрации объемного обзора транспортного средства. Эти датчики устанавливаются в различных местах на эго-транспортном средстве для получения обзора на 360 градусов. helperSLSurroundVehicleSensorFusionSetup сценарий задает параметры моделей датчиков.

Область «Птичий глаз» (Bird 's-Eye Scope) отображает покрытие датчика с помощью кубовидного представления. Зона действия РЛС и обнаружения выделены красным цветом. Зона видимости и обнаруженные сигналы выделены синим цветом.

Выполнить слияние и отслеживание датчиков

Surround Vehicle Sensor Fusion - это эталонная модель, которая обрабатывает визуальное и радиолокационное обнаружение и генерирует положение и скорость трасс относительно эго-транспортного средства. Откройте эталонную модель Surround Vehicle Sensor Fusion.

open_system('SurroundVehicleSensorFusion');

Мультиобъектный трекер Объединенной вероятностной ассоциации данных является ключевым блоком в эталонной модели Surround Vehicle Sensor Fusion. Трекер сплавляет информацию, содержащуюся в конкатенированных обнаружениях, и отслеживает объекты вокруг эго-транспортного средства. Затем трекер выводит список подтвержденных дорожек. Эти дорожки обновляются во время прогнозирования, управляемого цифровыми часами в подсистеме датчиков и окружающей среды.

Оценка производительности трекера

Подсистема оценки метрик вычисляет различные метрики для оценки производительности трекера. Откройте подсистему оценки метрик.

Эта метрика оценивает производительность трекера, комбинируя точность назначения и оценки состояния в одно значение стоимости. Откройте подсистему оценки метрик.

open_system('SurroundVehicleSensorFusionTestBench/Metrics Assessment');

Чтобы оценить производительность трекера, необходимо удалить информацию о истинности земли актёров, находящихся вне зоны действия датчиков. Для этой цели подсистема использует функциональный блок Filter Within Coverage MATLAB для фильтрации только тех субъектов, которые находятся в зоне действия датчиков.

Подсистема содержит метрический блок GOSPA, который вычисляет следующие метрики:

Моделирование модели испытательного стенда и анализ результатов

Во время моделирования можно визуализировать сценарий с помощью области «Птичий глаз». Чтобы открыть область, щелкните Область птичьего глаза (Bird-Eye Scope) в разделе Результаты проверки (Review Results) на панели инструментов Simulink. Затем щелкните Найти сигналы (Find Signals), чтобы найти сигналы, которые могут отображаться в области. Выберите tracksInEgo сигнал для подтвержденных дорожек.

Сконфигурируйте SurroundVehicleSensorFusionTestBench модель для моделирования scenario_LC_06_DoubleLaneChange сценарий. Этот сценарий содержит 10 транспортных средств, включая эго-транспортное средство, и определяет их траектории. В этом сценарии эго-транспортное средство дважды меняет полосы движения. Целевые актеры перемещаются по эго-транспортному средству.

helperSLSurroundVehicleSensorFusionSetup("scenarioFcnName","scenario_LC_06_DoubleLaneChange");

Смоделировать модель испытательного стенда.

sim('SurroundVehicleSensorFusionTestBench');

После начала моделирования используйте окно Bird 's-Eye Scope для визуализации эго-актера, целевых актеров, покрытий датчиков и обнаружений, а также подтвержденных дорожек.

Во время моделирования модель выводит метрику GOSPA и ее компоненты, которые измеряют статистическое расстояние между несколькими дорожками и истинами. Модель регистрирует эти метрики с подтвержденными дорожками и информацией об истинности основания в базовой переменной рабочей области. logsout . Можно распечатать значения в logsout с помощью helperPlotSensorFusionResults функция.

helperPlotSurroundVehicleSensorFusionResults(logsout);

В этом моделировании для параметров «Тип расстояния» и «Расстояние отсечения» метрического блока GOSPA установлено значение custom и 30 соответственно. helperComputeDistanceToTruth функция вычисляет пользовательское расстояние, комбинируя ошибки в положении и скорости между каждой истинностью и дорожкой.

Изучение других сценариев

Вы можете 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 для анализа SurroundVehicleSensorFusionTestBench в различных условиях.

Заключение

В этом примере показано, как моделировать и оценивать характеристики компонента слияния и отслеживания датчиков окружающего транспортного средства для маневров по изменению полосы движения. Эта модель на уровне компонентов позволяет выполнить стресс-тестирование конструкции в виртуальной среде с разомкнутым контуром и помогает в настройке параметров трекера путем оценки показателей GOSPA. Следующим логическим шагом является интеграция этой модели уровня компонентов в замкнутую систему, такую как изменение полосы движения.