Окружите cочетание датчиков транспортного средства
В этом примере показано, как реализовать синтетическую симуляцию данных, чтобы обнаружить транспортные средства с помощью нескольких, видение и радарные датчики, и сгенерировать сплавленные дорожки для окружают анализ представления в Simulink® с Automated Driving Toolbox™. Это также показывает, как использовать инструменты количественного анализа в Sensor Fusion and Tracking Toolbox™ для оценки эффективности средства отслеживания.
Введение
Cочетание датчиков 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 cочетания датчиков 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 cочетание датчиков и отслеживание. По сути, необходимо протестировать проект cочетания датчиков 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 — модель содержит датчики, cочетание датчиков и алгоритм отслеживания и метрики, чтобы оценить функциональность. Генераторы обнаружения из ведущего сценария используются к обнаружениям модели от датчика видения и радара.
Сконфигурируйте датчики и среду — Настроенный ведущий сценарий, который включает автомобиль, оборудованный датчиком с камерой и радарным датчиком. Постройте зону охвата каждого датчика с помощью Bird ' s-Eye Scope.
Выполните cочетание датчиков и отслеживающий — Кластерные радарные обнаружения, плавьте их с обнаружениями видения и отследите обнаружения с помощью средства отслеживания мультиобъекта JPDA.
Оцените эффективность средства отслеживания — Использование метрика GOSPA, чтобы оценить эффективность средства отслеживания.
Симулируйте тестовую модель и анализируйте результаты — модель конфигурирует сценарий с несколькими целевыми транспортными средствами, окружающими автомобиль, оборудованный датчиком, который выполняет маневры изменения маршрута. Симулируйте модель и анализируйте компоненты метрики GOSPA, чтобы изучить эффективность средства отслеживания.
Исследуйте другие сценарии — Эти сценарии тестируют систему под дополнительными условиями.
Исследуйте тестовую модель
Этот пример использует и тестовую модель и образец модели, окружают cочетание датчиков транспортного средства. Тестовая модель симулирует и тестирует поведение алгоритма сплава и отслеживания в разомкнутом контуре. Образец модели реализует алгоритм отслеживания и cочетание датчиков.
Чтобы исследовать тестовую модель, откройте рабочую копию файлов проекта в качестве примера. MATLAB® копирует файлы в папку в качестве примера так, чтобы можно было отредактировать их.
addpath(fullfile(matlabroot, 'toolbox', 'driving', 'drivingdemos')); helperDrivingProjectSetup('SVSensorFusion.zip', 'workDir', pwd);
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:
Датчики и Среда — Эта подсистема задают сцену, камеру и радарные датчики, используемые для симуляции.
Окружите Cочетание датчиков Транспортного средства — Эта подсистема плавит обнаружения от нескольких датчиков, чтобы произвести дорожки.
Метрическая Оценка — Эта подсистема оценивает окружить проект cочетания датчиков транспортного средства с помощью метрики GOSPA.
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');
Блок Scenario Reader конфигурирует ведущий сценарий и выходные положения агента, которые управляют положениями целевых транспортных средств.
Блок Vehicle To World преобразует положения агента от координат автомобиля, оборудованного датчиком к мировым координатам.
Блок Vision Detection Generator симулирует обнаружения объектов с помощью модели датчика камеры.
Блок Driving Radar Data Generator симулирует обнаружения объектов на основе статистической модели. Это также выходные параметры кластеризировало обнаружения объектов для последующей обработки.
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 cочетание датчиков и отслеживание
Окружить Cочетание датчиков 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 Cочетания датчиков Транспортного средства.
open_system('SurroundVehicleSensorFusion');
Блок Vision Detection Concatenation конкатенирует обнаружения видения. Время предсказания управляется часами в Датчиках и подсистеме Среды.
Блоком Delete Velocity From Vision является блок MATLAB function, который удаляет информацию о скорости из обнаружений видения.
Блок Vision и Radar Detection Concatenation конкатенирует радарные обнаружения и видение.
Добавить Блоком информации Локализации является блок MATLAB function, который добавляет информацию о локализации для автомобиля, оборудованного датчиком к конкатенированным обнаружениям с помощью предполагаемого положения автомобиля, оборудованного датчиком. Это позволяет средству отслеживания отследить в глобальной системе координат и минимизирует эффект на дорожках маневров изменения маршрута автомобилем, оборудованным датчиком.
Блок Joint Probabilistic Data Association Multi Object Tracker (Sensor Fusion and Tracking Toolbox) выполняет сплав и управляет дорожками стационарных и движущихся объектов.
Блоком Convert To Ego является блок MATLAB function, который преобразует дорожки от глобальной системы координат до системы координат эго с помощью предполагаемой информации об автомобиле, оборудованном датчиком. Bird ' s-Eye Scope отображает дорожки в системе координат эго.
Объединенное Вероятностное Средство отслеживания Мультиобъекта Ассоциации Данных является ключевым блоком в Окружить образце модели Cочетания датчиков 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:
Метрика GOSPA — Меры расстояние между набором дорожек и их основными истинами. Эта метрика комбинирует и присвоение и точность оценки состояния в одну величину затрат.
Переключение ошибки — Указывает на получившуюся ошибку во время переключения дорожки. Более высокая ошибка переключения указывает на неправильные присвоения дорожек к истине при переключении дорожек.
Ошибка локализации — Указывает на точность оценки состояния. Более высокая ошибка локализации указывает, что присвоенные дорожки не оценивают состояние истин правильно.
Пропущенная целевая ошибка — Указывает на присутствие пропущенных целей. Более высокая пропущенная целевая ошибка указывает, что цели не прослеживаются.
Ложная ошибка дорожек — Указывает на присутствие ложных дорожек.
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 cочетания датчиков транспортного средства и компонента отслеживания 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.
Смотрите также
Scenario Reader | Vehicle To World | Vision Detection Generator | Driving Radar Data Generator