Сгенерируйте сценарий от записанного GPS и лоцируйте данные

Этот пример использует:

Скрипт Open Live Script

В этом примере показано, как сгенерировать ведущий сценарий путем извлечения зарегистрированных данных из систем глобального позиционирования (GPS) и датчиков лидара, смонтированных на автомобиле, оборудованном датчиком. В этом примере вы используете записанные заранее данные о датчике и выполняете эти шаги, чтобы сгенерировать сценарий:

Считайте данные из датчика GPS. Используйте данные о GPS для:

  • Импортируйте данные о карте от OpenStreetMap®.

  • Извлеките дорожную информацию и управляющий маршрутом из импортированных данных о карте.

  • Вычислите waypoints для автомобиля, оборудованного датчиком.

  • Оцените скорость эго и траекторию.

Считайте данные из датчика лидара. Используйте данные о лидаре для:

  • Найдите размерность и тип агентов неэго в ведущей сцене.

  • Оцените времена записи, выходные времена, положения, скорости, скорости, рыскания и траектории агентов неэго при помощи данных о лидаре.

Сгенерируйте ведущий сценарий при помощи извлеченной дорожной сети и предполагаемого эго и данных неэго.

Считайте данные о датчике GPS

Создайте папку во временной директории на вашем компьютере, чтобы хранить данные о датчике.

sensorData = fullfile(tempdir,"AutomotiveDataset");
if ~isfolder(sensorData)
    mkdir(sensorData)
end

Загрузите .mat файл, содержащий записанные данные о датчике GPS и, сохраняет его в заданную папку во временной директории. Загрузите данные о датчике GPS из .mat файл в рабочую область MATLAB®.

if ~exist("data","var")
    url = "https://ssd.mathworks.com/supportfiles/driving/data/highwayLaneChangeDatase/ins2.mat";
    filePath = fullfile(sensorData,"ins.mat");
    if ~isfile(filePath)
        websave(filePath,url);
    end
    data = load(filePath);
end

Отобразите данные о датчике GPS. Данные хранятся как структура с полями timeStamp, velocity, yawRate, latitude, longitude, и altitude. Широта и координаты долготы задают ведущий маршрут автомобиля, оборудованного датчиком.

data.ins
ans=1×1158 struct array with fields:
    timeStamp
    velocity
    yawRate
    latitude
    longitude
    altitude

Выберите часть записанных данных о датчике путем определения значений метки времени начала и конца. Модули находятся в микросекундах. Как правило, модули зависят от настройки регистрации данных датчиков.

sim.startTime = 1461634424950000;
sim.endTime = 1461634434950000;

Вычислите количество точек данных в заданных метках времени начала и конца. Кроме того, найдите индексы начала и конца меток времени при помощи helperTimestampIndex функция.

[count.gps,sim.gps.startstep,sim.gps.endstep] = helperTimestampIndex([data.ins.timeStamp].',sim.startTime,sim.endTime);

Извлеките метку времени, широту, долготу и параметры вертикального изменения всех точек данных между индексами начала и конца. Сохраните извлеченные параметры в таблице.

data.ins = data.ins(sim.gps.startstep : sim.gps.endstep);
gps = table([data.ins.timeStamp].',[data.ins.latitude].',[data.ins.longitude].',[data.ins.altitude].',VariableNames=["timestamp","lat","lon","elevation"]);

Извлеките дорожную сеть Используя данные о датчике GPS

Задайте минимальные и максимальные значения координат широты и долготы, для выбранных данных, чтобы загрузить дорожную сеть с помощью веб-сайта OpenStreetMap®. Можно также задать значение смещения для того, чтобы извлечь расширенные данные о карте, которые находятся в области значений датчика GPS.

map.gpsExtend = 0.0001;
map.minLat = min(gps.lat) - map.gpsExtend;
map.maxLat = max(gps.lat) + map.gpsExtend;
map.minLon = min(gps.lon) - map.gpsExtend;
map.maxLon = max(gps.lon) + map.gpsExtend;

Загрузите данные о карте из веб-сайта OpenStreetMap® https://www.openstreetmap.org, который обеспечивает доступ к полученным толпой данным о карте со всего мира. Данные лицензируются под Открытыми Данными палата общин Открытая Лицензия Базы данных (ODbL), https://opendatacommons.org/licenses/odbl/.

Извлеките данные о карте из минимальных и максимальных координат широты и долготы. Задайте имя файла, чтобы сохранить загруженные данные о карте. В этом примере имя файла установлено как имя дороги в ведущем маршруте.

url = ['https://api.openstreetmap.org/api/0.6/map?bbox=' ...
    num2str(map.minLon, '%.10f') ',' num2str(map.minLat,'%.10f') ',' ...
    num2str(map.maxLon, '%.10f') ',' num2str(map.maxLat,'%.10f')];
fileName = "BanfieldFreeway.osm";
websave(fileName,url,weboptions(ContentType="xml"));

Постройте ведущий маршрут на карте при помощи geoPlayer функция. 

map.midLat = (map.minLat + map.maxLat)/2;
map.midLon = (map.minLon + map.maxLon)/2;
zoomLevel = 17;
player = geoplayer(map.midLat,map.midLon,zoomLevel);
figure
plotRoute(player,gps.lat,gps.lon);
for i = 1:count.gps
    plotPosition(player,gps.lat(i),gps.lon(i));
end

Информация о Джет-Роуд от извлеченной дорожной сети

Чтобы получить информацию от извлеченной дорожной сети, необходимо сначала импортировать данные о карте к drivingScenario объект. Затем используйте helperGetRoadHistoryAttributes функционируйте, чтобы извлечь дорожную информацию.

Вычислите общее время симуляции при помощи меток времени начала и конца данных о GPS. Величина в секундах.

sim.TotalTime = (sim.endTime - sim.startTime)/10^6;

Задайте шаг расчета для ведущего сценария. Шаг расчета является временным интервалом между шагами симуляции сценария, и также задает шаг расчета для автомобиля, оборудованного датчиком. Величина в секундах.

sim.egoSampleTime = 0.01;

Создайте пустой ведущий объект сценария при помощи drivingScenario функция.

importedScenario = drivingScenario(SampleTime=sim.egoSampleTime,StopTime=sim.TotalTime);

Импортируйте извлеченные данные о карте к ведущему сценарию при помощи roadNetwork функция.

roadNetwork(importedScenario,OpenStreetMap=fileName);

Считайте дорожную информацию, хранившую в объекте сценария при помощи helperGetRoadHistoryAttributes функция. Дорожные свойства включают дорожные центры, дорожную ширину, банковские углы, технические требования маршрута и дорожные имена. 

[roadCenters,roadWidth,bankingAngles,laneSpec,roadNames] = helperGetRoadHistoryAttributes(importedScenario);

Создайте ведущий сценарий и добавьте дороги к сценарию

Создайте новый drivingScenario возразите и добавьте дороги к новому сценарию. Установите свойства этих дорог при помощи извлеченной дорожной информации.

Задайте шаг расчета для нового сценария.

sim.sampleTime = 0.1;
scenario = drivingScenario(SampleTime=sim.sampleTime,StopTime=sim.TotalTime);

Задайте геоконтрольную точку и используйте latlon2local функционируйте, чтобы преобразовать данные о датчике GPS от координат GPS до локальных Декартовых координат "восточный север".

refPoint = [map.midLat map.midLon,0];
[gps.x,gps.y,gps.elevation] = latlon2local(gps.lat,gps.lon,gps.elevation,refPoint);
filteredData = smoothdata([gps.x,gps.y gps.elevation],'sgolay');
gps.x = filteredData(:,1);
gps.y = filteredData(:,2);
gps.elevation = filteredData(:,3);

Задайте ограничительную рамку, которые задают область значений для координат карты.

map.localExtend = 50;
map.xmin = min(gps.x) - map.localExtend;
map.xmax = max(gps.x) + map.localExtend;
map.ymin = min(gps.y) - map.localExtend;
map.ymax = max(gps.y) + map.localExtend;

Задайте имена дорог в экспортируемой дорожной сети, которая будет добавлена к сценарию. Можно найти имена дорог в roadNames выход helperGetRoadHistoryAttributes функция.

map.keepRoads = "Banfield Freeway";

Проверяйте, ли желаемые дороги в ограничительной рамке и, если они, добавьте их в ведущий сценарий. 

for i = 1:size(roadNames,1)
    flag = 0;
    for j = 1: size(map.keepRoads,1)
        if contains(roadNames{i,1},map.keepRoads(j,1),IgnoreCase=true)
            flag = 1;
        end
    end
    if flag
        k = 0;
        for l = 1:size(roadCenters{i,1},1)
            k = k+1;
            % Remove road centers that lie outside the bounding box.
            if roadCenters{i,1}(k,1) < map.xmin || ...
                    roadCenters{i,1}(k,1) > map.xmax || ...
                    roadCenters{i,1}(k,2) < map.ymin || ...
                    roadCenters{i,1}(k,2) > map.ymax
                roadCenters{i,1}(k,:) = [];
                k = k-1;
            end
        end
        if k > 1
            % Add roads by using the road centers. Set the road width to 12.
            roadwidth = 12;
            road(scenario,roadCenters{i,1},roadwidth,Name=roadNames{i,1});
        end
    end
end

Вычислите данные об эго Используя данные о датчике GPS

Данные о датчике GPS соответствуют автомобилю, оборудованному датчиком, таким образом, можно использовать измерения GPS, чтобы вычислить автомобиль, оборудованный датчиком waypoints и скорость.

Значения широты и долготы задают waypoints для автомобиля, оборудованного датчиком в координатах GPS. Вычислите время GPS относительно времени начала симуляции и найдите значение скорости эго в каждом waypoint.

gps.relativeTime = double(gps.timestamp - sim.startTime)/10^6;
gps.speed = helperComputeSpeed(gps.x,gps.y,gps.relativeTime);

Добавьте автомобиль, оборудованный датчиком в импортированную дорожную сеть и вычислите ее траекторию.

egoVehicleGPS = vehicle(importedScenario,ClassID=1,Position=[gps.x(1),gps.y(1),0]);
trajectory(egoVehicleGPS,[gps.x,gps.y,zeros(count.gps,1)],gps.speed);

Извлеките информацию о положении, скорости и рыскании автомобиля, оборудованного датчиком из импортированного сценария при помощи actorPoses функция.

positionIndex = [1 3 6];
velocityIndex = [2 4 7];
i = 1;
while advance(importedScenario)
    position(1,:) = actorPoses(importedScenario).Position;
    simEgo.data(i,positionIndex) = position;
    velocity(1,:) = actorPoses(importedScenario).Velocity;
    simEgo.data(i,velocityIndex) = velocity;
    simEgo.data(i,5) = i;
    yaw = actorPoses(importedScenario).Yaw;
    simEgo.data(i,8) = yaw;
    simEgo.data(i,9) = importedScenario.SimulationTime;
    i = i + 1;    
end

Вычисленные значения данных эго включают время, waypoints, скорость и рыскание автомобиля, оборудованного датчиком. Храните данные об эго к таблице и смотрите значения.

table(simEgo.data(:,9),simEgo.data(:,positionIndex), ...
    simEgo.data(:,velocityIndex),simEgo.data(:,8), ...
    VariableNames=["Time","Waypoints","Velocity","Yaw"])
ans=995×4 table
    Time              Waypoints                        Velocity                Yaw  
    ____    _____________________________    ____________________________    _______

    0.01    -106.57      64.44          0    24.011    -8.6344          0    -19.779
    0.02    -106.33     64.354          0     24.02    -8.6418          0    -19.787
    0.03    -106.09     64.267          0    24.029    -8.6517          0    -19.802
    0.04    -105.85     64.181          0    24.036     -8.664          0    -19.822
    0.05     -105.6     64.094          0    24.043    -8.6787          0    -19.848
    0.06    -105.36     64.007          0    24.028    -8.6866          0    -19.876
    0.07    -105.12      63.92          0    24.013    -8.6937          0    -19.903
    0.08    -104.88     63.833          0    23.998    -8.7003          0    -19.928
    0.09    -104.64     63.746          0    23.984    -8.7061          0    -19.951
     0.1     -104.4     63.659          0    23.969    -8.7111          0    -19.973
    0.11    -104.16     63.572          0    23.935    -8.7088          0    -19.994
    0.12    -103.93     63.485          0    23.901    -8.7067          0    -20.015
    0.13    -103.69     63.398          0    23.867    -8.7047          0    -20.037
    0.14    -103.45     63.311          0    23.833    -8.7029          0     -20.06
    0.15    -103.21     63.224          0      23.8    -8.7016          0    -20.083
    0.16    -102.97     63.137          0    23.845    -8.7289          0    -20.106
      ⋮

Добавьте агентов эго и неэго в сценарий

Добавить эго и агентов неэго к сценарию:

  • Считайте данные, зарегистрированные датчиком лидара.

  • Оцените положение, скорость, скорость и рыскание для автомобиля, оборудованного датчиком путем рассмотрения и GPS и лоцируйте метки времени. Вычислите траекторию эго.

  • Найдите количество агентов неэго в сценарии. Вычислите их waypoints, скорости, скорости и рыскания при помощи записанного датчика лидара. Вычислите траектории агентов неэго.

  • Преобразуйте waypoints агентов неэго от системы координат эго до системы координат сценария.

  • Добавьте эго и агентов неэго к ведущему сценарию.

Считайте данные о датчике лидара

Загрузите .mat файл, содержащий записанные данные о датчике лидара и, сохраняет его в заданную папку во временной директории. Загрузите данные о датчике лидара из .mat файл в рабочее пространство MATLAB.

if ~exist("newData","var")
    url = "https://ssd.mathworks.com/supportfiles/driving/data/highwayLaneChangeDatase/lidar2.mat";
    filePath = fullfile(sensorData,'lidar.mat');
    if ~isfile(filePath)
        websave(filePath,url);
    end
    newData = load(filePath);
end

Вычислите количество точек данных в заданных метках времени начала и конца. Кроме того, найдите индексы начала и конца меток времени при помощи helperTimestampIndex функция.

[count.lidar,sim.lidar.startstep,sim.lidar.endstep] = helperTimestampIndex([newData.lidar.timeStamp].',sim.startTime,sim.endTime);

Извлеките метку времени и данные об облаке точек, которые находятся между индексами начала и конца. Сохраните извлеченные параметры в таблице.

newData.lidar = newData.lidar(sim.lidar.startstep : sim.lidar.endstep);
lidar = table([newData.lidar.timeStamp].',{newData.lidar.ptCloud}.',VariableNames=["timestamp","ptCloud"])
lidar=100×2 table
       timestamp            ptCloud     
    ________________    ________________

    1461634425028360    {1×1 pointCloud}
    1461634425128114    {1×1 pointCloud}
    1461634425228122    {1×1 pointCloud}
    1461634425327849    {1×1 pointCloud}
    1461634425427574    {1×1 pointCloud}
    1461634425528347    {1×1 pointCloud}
    1461634425627513    {1×1 pointCloud}
    1461634425728613    {1×1 pointCloud}
    1461634425828486    {1×1 pointCloud}
    1461634425928594    {1×1 pointCloud}
    1461634426028230    {1×1 pointCloud}
    1461634426128400    {1×1 pointCloud}
    1461634426228515    {1×1 pointCloud}
    1461634426327968    {1×1 pointCloud}
    1461634426427685    {1×1 pointCloud}
    1461634426527961    {1×1 pointCloud}
      ⋮

Оцените данные об эго относительно GPS и лоцируйте метки времени

Найдите метки времени лидара относительно времени начала симуляции. Величина в секундах.

lidar.relativeTime = double(lidar.timestamp - sim.startTime)/10^6;

Найдите положение эго, скорость, скорость и рыскание при помощи данных об эго из измерений GPS как ссылка.

temp = zeros(1,9);
i = 1;
for j = 2 : size(simEgo.data,1)
    t = simEgo.data(j,9);
    if i <= count.lidar && lidar.relativeTime(i) <= t
        tratio = (t - lidar.relativeTime(i)) / (t - simEgo.data(j-1,9));
        for k = [1:4,8]
            temp(1,k) = simEgo.data(j,k) - ...
                ((simEgo.data(j,k) - simEgo.data(j-1,k))*tratio);
        end
        ego.position(i,:) = temp(1,positionIndex);
        ego.velocity(i,:) = temp(1,velocityIndex);
        ego.speed(i,:) = sqrt(temp(1,2)^2 + temp(1,4)^2);
        ego.yaw(i,:) = temp(1,8);
        i = i + 1;
    elseif i == count.lidar && size(simEgo.data,1) == j
        ego.position(i,:) = simEgo.data(j,positionIndex);
        ego.velocity(i,:) = simEgo.data(j,velocityIndex);
        ego.speed(i,:) = sqrt(simEgo.data(j,2)^2 + simEgo.data(j,4)^2);
        ego.yaw(i,:) = simEgo.data(j,8);
    end
end
ego.position = smoothdata(ego.position,'sgolay');
ego.yaw = smoothdata(ego.yaw);

Добавьте автомобиль, оборудованный датчиком в сценарий

Добавьте автомобиль, оборудованный датчиком в ведущий сценарий и вычислите его траекторию.

egoVehicle = vehicle(scenario,ClassID=1,Position=ego.position(1,:),Yaw=ego.yaw(1), ...
    Mesh=driving.scenario.carMesh);
trajectory(egoVehicle,ego.position,ego.speed,Yaw=ego.yaw);

Оцените данные неэго

Создайте список дорожек из данных об облаке точек лидара при помощи helperPointCloudToTracks функция. Список дорожек содержит информацию об объектах, обнаруженных в данных об облаке точек.

if ~exist("trackList","var")
    trackList.object = helperPointCloudToTracks(lidar.ptCloud);
    trackList.timestamp = lidar.timestamp;
    trackList.relativeTime = lidar.relativeTime;
    for i = 1:count.lidar
        trackList.nObj(i,1) = size(trackList.object{i,1},1);
    end
end

Преобразуйте данные о списке дорожек в данные неэго при помощи helperComputeNonEgoData функция. Функция вычисляет размерности, времена записи, выходные времена, рыскания и скорости агентов неэго в сценарии. Функция также преобразует положения агентов неэго, вычисленных в системе координат эго к системе координат сценария или карты, и затем сглаживает значения положения.

[count.nonEgo,nonEgo] = helperComputeNonEgoData(trackList,count,ego)
count = struct with fields:
       gps: 200
     lidar: 100
    nonEgo: 5


nonEgo=5×17 table
    trackCount    id     length    width     height    age    entryIndex    entryTime    exitIndex    exitTime    classID             mesh             posInEgoFrame         yaw         posInMapFrame        speed          smoothPos  
    __________    ___    ______    ______    ______    ___    __________    _________    _________    ________    _______    ______________________    _____________    _____________    _____________    _____________    _____________

        94         37    4.6931    1.7953    1.4497    100         7           0.7          100          10          1       1×1 extendedObjectMesh    {94×3 double}    {94×1 double}    {94×3 double}    {94×1 double}    {94×3 double}
        94         38    4.6931    1.7932    1.4506    100         7           0.7          100          10          1       1×1 extendedObjectMesh    {94×3 double}    {94×1 double}    {94×3 double}    {94×1 double}    {94×3 double}
        94         49    4.6942    1.7974    1.4007    100         7           0.7          100          10          1       1×1 extendedObjectMesh    {94×3 double}    {94×1 double}    {94×3 double}    {94×1 double}    {94×3 double}
        28         99    4.6924    1.7942     1.399     34         8           0.8           35         3.5          1       1×1 extendedObjectMesh    {28×3 double}    {28×1 double}    {28×3 double}    {28×1 double}    {28×3 double}
        44        941    4.6938    1.7981    1.4171     50        54           5.4           97         9.7          1       1×1 extendedObjectMesh    {44×3 double}    {44×1 double}    {44×3 double}    {44×1 double}    {44×3 double}

Добавьте агентов неэго в сценарий

Добавьте агентов неэго в ведущий сценарий и вычислите их траектории.

for i= 1:count.nonEgo
    if nonEgo.classID(i) == 1
        nonEgoVehicle(i) = vehicle(scenario, ...
            ClassID=nonEgo.classID(i),Name=nonEgo.id(i,:), ...
            Position=nonEgo.smoothPos{i,1}(1,:), ...
            Length=nonEgo.length(i,1),Width=nonEgo.width(i,1), ...
            Height=nonEgo.height(i,1),Mesh=nonEgo.mesh(i,1), ...
            EntryTime=nonEgo.entryTime(i,1), ...
            ExitTime=nonEgo.exitTime(i,1));
    else
        nonEgoVehicle(i) = actor(scenario, ...
            ClassID=nonEgo.classID(i),Name=nonEgo.id(i,:), ...
            Position=nonEgo.smoothPos{i,1}(1,:), ...
            Length=nonEgo.length(i,1),Width=nonEgo.width(i,1), ...
            Height=nonEgo.height(i,1),Mesh=nonEgo.mesh(i,1), ...
            EntryTime=nonEgo.entryTime(i,1), ...
            ExitTime=nonEgo.exitTime(i,1));
    end
    trajectory(nonEgoVehicle(i),nonEgo.smoothPos{i,1},nonEgo.speed{i,1});
end

Симулируйте и визуализируйте сгенерированный сценарий

Отобразите на графике данные о карте и сценарий, сгенерированный с помощью GPS, и лоцируйте данные о датчике.

scfig = figure(Position=[0,0,800,500]);
hfig = uipanel(scfig,Title="Imported Map Data",Position=[0 0 0.5 1]);
plaxis = axes(hfig);
plot(importedScenario,Parent=plaxis)
hfig1 = uipanel(scfig,Title="Extracted Road Network and Generated Scenario",Position=[0.5 0 0.5 1]);
plaxis1 = axes(hfig1);
plot(scenario,Parent=plaxis1);
xlim([-100,100])
while advance(scenario)
    pause(sim.sampleTime);
end

Можно также визуально смотреть точность сгенерированного сценария путем графического вывода его вместе с датчиком камеры и лоцировать данные о датчике.

Считайте данные, зарегистрированные датчиком камеры.

if ~exist("camera","var")
    url = "https://ssd.mathworks.com/supportfiles/driving/data/highwayLaneChangeDatase/camera2.mat";
    filePath = fullfile(sensorData,"camera.mat");
    if ~isfile(filePath)
        websave(filePath,url);
    end
    img = load(filePath,"imageData");
    [count.camera,sim.camera.startstep,sim.camera.endstep] = ...
        helperTimestampIndex([img.imageData.timeStamp].', ...
        sim.startTime,sim.endTime);
    img.imageData = img.imageData(sim.camera.startstep:sim.camera.endstep);
    camera = table([img.imageData.timeStamp].',{img.imageData.mov}.', ...
        VariableNames=["timestamp","img"]);
    for i = 1 : count.camera
        camera.img{i,1} = camera.img{i,1}.cdata;
    end
    camera.relativeTime = double(camera.timestamp - sim.startTime)/10^6;
end

Отобразите графики вида сверху и представления преследования сгенерированного сценария.

restart(scenario)
close all
fig = figure;
set(fig,Position=[40 40 1000 800]);
% Ego Top View
hPanel = uipanel(fig, ...
    Title="Top-View of Generated Scenario",Position=[0 0.5 0.5 0.5]);
hPlot = axes(hPanel);
chasePlot(egoVehicle,Parent=hPlot, ...
    ViewPitch=90,ViewHeight=120,ViewLocation=[0, 0]);

% Ego ChasePlot
hPanel2 = uipanel(fig, ...
    Title="Chase-View of Generated Scenario",Position=[0.5 0.5 0.5 0.5]);
hPlot2 = axes(hPanel2);
chasePlot(egoVehicle,Parent=hPlot2,Meshes='on');

Задайте оси для отображения данных о камере.

% Image from camera
hPanel3 = uipanel(fig, ...
    Title="Recorded Camera Data",Position=[0 0 0.5 0.5]);
hPlot3 = axes(hPanel3);

% Initialize last used indices of the sensor
last.lidarIndex = 0;
last.cameraIndex = 0;

Отобразите данные об облаке точек лидара на графике.

hPanel4 = uipanel(fig, ...
    Title ="Recorded Lidar Data",Position=[0.5 0 0.5 0.5]);
hPlot4 = axes(hPanel4);

% Initialize Display
xlimits = [-60 60];
ylimits = [-30 30];
zlimits = [-5 20];
player = pcplayer(xlimits,ylimits,zlimits,Parent=hPlot4);

Вызовите advance функция в цикле, чтобы усовершенствовать симуляцию один временной шаг за один раз. 

while advance(scenario)
    if last.cameraIndex + 1 <= count.camera && ...
            scenario.SimulationTime >= camera.relativeTime(last.cameraIndex+1)
        condition = true;
        while condition
            last.cameraIndex = last.cameraIndex + 1;
            condition = scenario.SimulationTime < ...
                camera.relativeTime(last.cameraIndex);
        end
        image(camera.img{last.cameraIndex,1},Parent=hPlot3);
    end
    %
    if last.lidarIndex + 1 <= count.lidar && ...
            scenario.SimulationTime >= lidar.relativeTime(last.lidarIndex + 1)
        condition = true;
        while condition
            last.lidarIndex = last.lidarIndex + 1;
            condition = scenario.SimulationTime < ...
                lidar.relativeTime(last.lidarIndex);
        end

        % Plot point cloud with bounding box and label
        ptCloud = lidar.ptCloud{last.lidarIndex,1};
        confirmedTracks = trackList.object{last.lidarIndex,1};
        view(player,ptCloud);
        % The helperParseTracks function returns position, dimension, and orientation of the 3-D bounding boxes.
        posIndex = [1 3 6];
        velocityIndex = [2 4 7];
        yawIndex = 8;
        dimIndex = [9 10 11];
        if ~isempty(confirmedTracks)
            [pos,dims,orients,labels] = helperParseTracks(confirmedTracks,posIndex,dimIndex,yawIndex);
            yaw = zeros(size(pos,1),3);
            yaw(:,3) = orients';
            bboxes = [pos,dims,yaw];
            showShape(cuboid=bboxes,Label=labels',Parent=hPlot4);
        end
    end
    pause(sim.sampleTime)
end

Ссылки

[1] Парк, Seo-Wook, Кунал Патил, Уилл Вильсон, Марк Корлесс, Габриэль Чой и Пол Адам. “Создавая Управление Сценариями из Записанных Данных о Транспортном средстве для Проверки Системы Центрирования Маршрута в Уличном движении”, 2020-01–0718, 2020. https://doi.org/10.4271/2020-01-0718.

Смотрите также

| | | | | | | |

Похожие темы

Документация Automated Driving Toolbox

Поддержка

Для просмотра документации необходимо авторизоваться на сайте