Введение

Автономное транспортное средство использует несколько датчиков, включая камеры и радар, чтобы воспринимать окружающее окружение. Однако каждый датчик имеет свои ограничения. Слияние информации с различных датчиков может сделать восприятие транспортного средства более устойчивым. Слияние и отслеживание датчиков является центральным элементом процесса принятия решений в различных системах, включая следование по дорожной полосе и предупреждение столкновения. Используя модель слияния и отслеживания датчиков в этом примере, можно запустить тесты на критических сценариях, которые в действительности трудно реализовать. В этом примере необходимо выполнить следующие шаги.

Этот пример проверяет синтез датчика и алгоритм отслеживания в 3D среде симуляции, которая использует Unreal Engine ® из Epic Games ®. Для симуляции движущей среды Unreal Engine требуется 64-разрядная платформа Windows ®.

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

Исследуйте тестовую модель

Чтобы исследовать тестовую модель, откройте рабочую копию файлов примера проекта. MATLAB ® копирует файлы в папку примера, чтобы можно было их редактировать.

addpath(fullfile(matlabroot, 'toolbox', 'driving', 'drivingdemos'));
helperDrivingProjectSetup('FVSFTestBench.zip', 'workDir', pwd);

Откройте тестовую модель.

open_system('ForwardVehicleSensorFusionTestBench');

Открытие этой модели запускает helperSLForwardVehicleSensorFusionSetup скрипт, который инициализирует сценарий с помощью drivingScenario объект в базовом рабочем пространстве. Он также конфигурирует параметры слияния и отслеживания датчика, параметры транспортного средства и сигналы шины Simulink ®, необходимые для определения входов и выходов для ForwardVehicleSensorFusionTestBench модель. Тестовая модель содержит следующие подсистемы:

Сконфигурируйте датчики и окружение

Подсистема Sensors and Environment конфигурирует дорожную сеть, размещает транспортные средства и синтезирует датчики. Для примера, который использует подобную подсистему, смотрите Highway Lane Following. Откройте Подсистему Датчиков и Окружения.

open_system('ForwardVehicleSensorFusionTestBench/Sensors and Environment');

Подсистема включает два блока датчиков: Simulation 3D Radar и Simulation 3D-видение Detection Generator. Параметры этих моделей заданы helperSLForwardVehicleSensorFusionSetup скрипт, когда вы открываете тестовую модель. Эти блоки генерируют обнаружения из среды симуляции 3D.

disp(radar');

        FieldOfView: [40 5]
    DetectionRanges: [1 100]
           Position: [3.7290 0 0.8000]
      PositionSim3d: [2.4240 0 0.8000]
           Rotation: [0 0 0]

disp(camera');

             NumColumns: 1024
                NumRows: 768
            FieldOfView: [45 45]
              ImageSize: [768 1024]
         PrincipalPoint: [512 384]
            FocalLength: [512 512]
               Position: [1.8750 0 1.2000]
          PositionSim3d: [0.5700 0 1.2000]
               Rotation: [0 0 0]
        DetectionRanges: [6 50]
    LaneDetectionRanges: [6 30]
       MeasurementNoise: [3×3 double]
     MinObjectImageSize: [10 10]

Область возможностей птичьего глаза отображает покрытия датчика с помощью кубоидного представления. Зона радиолокационного покрытия и обнаружения находятся в красном цвете. Зона покрытия зрения и обнаружения окрашены в синий цвет.

Выполните слияние и отслеживание датчика

Модель Fusion Транспортного средства Forward Sensor является образцом модели, которая обрабатывает визуальные и радиолокационные обнаружения и генерирует положение и скорость треков относительно автомобиля , оборудованного датчиком. Откройте образец модели Forward Vehicle Sensor Fusion.

open_system('ForwardVehicleSensorFusion');

Образец модели Forward Vehicle Sensor Fusion содержит следующие блоки:

Блок JPDA Tracker является ключевым блоком образца модели Forward Vehicle Sensor Fusion. Трекер запирает информацию, содержащуюся в конкатенированных обнаружениях, и отслеживает объекты вокруг автомобиля , оборудованного датчиком. Трекер выводит список подтвержденных треков. Эти дорожки обновляются во время предсказания, управляемые цифровыми часами в подсистеме Sensors и окружение.

Оценка эффективности трекера

Подсистема Evaluate Tracker Metrics вычисляет различные метрики, чтобы оценить эффективность трекера. Откройте подсистему Evaluate Tracker Metrics.

open_system('ForwardVehicleSensorFusionTestBench/Evaluate Tracker Metrics');

Чтобы оценить эффективность трекера, вы должны удалить актёры, которые находятся вне зоны покрытия датчиков, из основной истины информации. Для этого подсистема использует блок Filter Within Coverage, чтобы фильтровать только те субъекты, которые находятся в зоне покрытия датчиков.

Подсистема содержит метрический блок GOSPA, который вычисляет эти метрики:

Моделирование Тестовая модель и анализ результатов

Во время симуляции можно визуализировать сценарий как в окне симуляции 3D, так и с помощью возможностей птичьего глаза.

Чтобы открыть возможности, нажмите Bird 's-Eye Scope в разделе Review Results на панели инструментов Simulink. Затем нажмите Find Signals, чтобы найти сигналы, которые могут отобразить возможности.

Сконфигурируйте ForwardVehicleSensorFusionTestBench модель для симуляции scenario_LFACC_03_Curve_StopnGo сценарий. Этот сценарий содержит шесть транспортных средств, включая автомобиль , оборудованный датчиком. Функция сценария также задает их траектории. В этом сценарии автомобиля , оборудованного датчиком имеет головное транспортное средство в своей полосе. В полосе справа от автомобиля , оборудованного датчиком целевые транспортные средства, обозначенные зеленым и синим цветом, движутся в одном направлении. В полосе налево от автомобиля , оборудованного датчиком целевые транспортные средства, обозначенные желтым и фиолетовым цветом, движутся в обратном направлении.

helperSLForwardVehicleSensorFusionSetup("scenarioFcnName","scenario_LFACC_03_Curve_StopnGo");

Симулируйте тестовую модель.

sim('ForwardVehicleSensorFusionTestBench');

          ActorName: 'SimulinkVehicle3'
      ObjectClassID: 0
            ActorID: 3
           Position: [216.1989 38.4191 0]
           Velocity: [0 0 0]
           Rotation: [0 0 -2.6542]
    AngularVelocity: [0 0 176.6253]

          ActorName: 'SimulinkVehicle6'
      ObjectClassID: 0
            ActorID: 4
           Position: [37.4850 4.5686 0]
           Velocity: [0 0 0]
           Rotation: [0 0 0.0324]
    AngularVelocity: [0 0 -29.4416]

          ActorName: 'SimulinkVehicle2'
      ObjectClassID: 0
            ActorID: 5
           Position: [49.8752 1.1827 0]
           Velocity: [0 0 0]
           Rotation: [0 0 0.0521]
    AngularVelocity: [0 0 -28.3173]

          ActorName: 'SimulinkVehicle5'
      ObjectClassID: 0
            ActorID: 6
           Position: [5.4562 3.9658 0]
           Velocity: [0 0 0]
           Rotation: [0 0 5.7500e-04]
    AngularVelocity: [0 0 -31.2669]

          ActorName: 'SimulinkVehicle4'
      ObjectClassID: 0
            ActorID: 7
           Position: [250.7064 60.2103 0]
           Velocity: [0 0 0]
           Rotation: [0 0 -2.5111]
    AngularVelocity: [0 0 -175.1727]

    NumLaneBoundaries: 5
       LaneBoundaries: [1×5 struct]

Симуляция открывает окно 3D Simulation, в котором отображается сценарий, но не отображаются обнаружения или покрытие датчика. Используйте окно Bird ' s-Eye Scope, чтобы визуализировать актёра эго, целевых актёров, покрытие и обнаружения датчика и подтвержденные дорожки. Чтобы визуализировать только данные о датчике, отключите окно 3D Simulation во время симуляции, очистив Display 3D simulation window параметр в блоке Simulation 3D Scene Configuration.

Во время симуляции модель выводит метрику GOSPA и ее компоненты. Модель регистрирует метрики с подтвержденными треками и основной истиной информацией в переменном базовом рабочем пространстве logsout. Можно построить график значений в logsout при помощи helperPlotForwardVehicleSensorFusionResults функция.

helperPlotForwardVehicleSensorFusionResults(logsout);

Графики показывают, что ошибка локализации в основном учитывает метрику GOSPA. Заметьте, что пропущенный целевой компонент первоначально начинается с более высокого значения из-за задержки установления трекера и снижается до нуля через некоторое время. Другой peaks в пропущенной целевой кривой происходят из-за той же задержки, когда желтые и фиолетовые целевые транспортные средства заходят в зону покрытия датчиков.

Исследуйте другие сценарии

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

Используйте эти дополнительные сценарии для анализа ForwardVehicleSensorFusionTestBench при различных условиях.

Заключение

Этот пример показал, как моделировать и оценить эффективность компонента слияния и отслеживания датчиков для беспилотного вождения. Эта модель уровня компонента позволяет вам стресс-тестировать ваш проект в разомкнутый контур виртуальных окружений и помогает в настройке параметров трекера путем оценки метрик GOSPA. Следующим логическим шагом является интеграция этой модели уровня компонента в системе с обратной связью, такой как дорожная полоса следования.