智能网联汽车的发展已经进入快速发展时期,无论是汽车企业,还是学校的汽车人才培养,都面临转型升级。作为智能网联汽车开发的重要工具——基于场景的自动驾驶仿真技术也将得到快速发展。 本书全面系统地介绍了MATLAB自动驾驶函数及应用。全书共分6章:第1章介绍了创建驾驶场景方面的25个函数,通过这些函数,可以根据需要建立不同的驾驶场景,它是汽车自动驾驶仿真的基础;第2章介绍了鸟瞰图方面的18个函数,鸟瞰图是MATLAB研究汽车自动驾驶仿真的新方法,实现仿真可视化;第3章介绍了环境感知方面的40个函数,涉及视觉传感器和雷达的检测和数据处理,以及道路识别、车辆识别、行人识别和交通标志识别等;第4章介绍了路径规划方面的13个函数,MATLAB提出利用车辆成本图进行路径规划的方法;第5章介绍了目标跟踪方面的29个函数,主要利用卡尔曼滤波进行目标跟踪;第6章介绍了这些函数的综合应用实例,涉及汽车自动行驶路线仿真、自动驾驶场景仿真、汽车前向碰撞仿真、汽车自动避障仿真、基于视觉传感器的多车辆检测和跟踪、基于激光雷达的地面和障碍物检测。 在本书编写过程中,主要参考了MATLAB官方网站的公开资料,特向其表示谢意。 由于自动驾驶仿真是一门新技术,自动驾驶函数又是MATLAB新推出的, 而且采用了一些新技术和新方法,有些专用英文词汇与中文词汇难以匹配,翻译成中文不一定非常准确,再加上编者学识有限,书中不足之处在所难免,恳盼读者给予指正。 编 者
崔胜民,哈尔滨工业大学(威海),教授,主要研究方向是汽车系统动力学与控制、新能源汽车技术和特种车辆等,主持完成各类科研项目20余项,发表论文60余篇,培养各类研究生120余人,编著有《新能源汽车技术解析》《现代汽车技术解析》《智能网联汽车新技术》《智能网联汽车先进驾驶辅助系统关键技术》《一本书读懂新能源汽车》《一本书读懂智能网联汽车》《基于MATLAB的车辆工程仿真实例》《基于MATLAB的新能源汽车仿真实例》《MATLAB编程与汽车仿真应用》等多本图书。
本书详细介绍了MATLAB用于汽车自动驾驶仿真的函数及应用,涉及驾驶场景、鸟瞰图、环境感知、路径规划和目标跟踪共125个函数,每个函数都给出了应用实例。本书所涉及的实例,都提供了原程序,并对程序进行了注释,方便读者快速理解和掌握。 本书内容丰富,图文并茂,通俗易懂,实用性强,可作为从事自动驾驶汽车开发的工程技术人员及相关专业的本科生、研究生参考用书,也可供MATLAB应用爱好者阅读。
第1章 驾驶场景 / 1 1.1 drivingScenario:创建驾驶场景 2 1.2 plot:绘制驾驶场景 3 1.3 road:添加道路 4 1.4 roadNetwork:添加道路网 5 1.5 roadBoundaries:道路边界 6 1.6 laneMarking:车道标线 8 1.7 laneMarkingVertices:车道标线顶点 10 1.8 laneType:车道类型 12 1.9 lanespec:车道规范 13 1.10 vehicle:添加车辆 14 1.11 actor:添加交通参与者 17 1.12 trajectory:交通参与者轨迹 19 1.13 actorPoses:交通参与者姿态 20 1.14 actorProfiles:交通参与者特性 22 1.15 currentLane:当前车道 23 1.16 record:交通参与者状态记录 25 1.17 chasePlot:绘制追逐图 26 1.18 laneBoundaries:车道边界 28 1.19 clothoidLaneBoundary:回旋线车道边界模型 31 1.20 computeBoundaryModel:计算车道边界点 33 1.21 targetPoses:目标姿态 34 1.22 targetOutlines:目标轮廓 35 1.23 updatePlots:更新驾驶场景图 37 1.24 radarDetectionGenerator:雷达检测器 38 1.25 visionDetetionGenerator:视觉检测器 41 第2章 鸟瞰图 / 45 2.1 birdsEyePlot:创建鸟瞰图 46 2.2 coverageAreaPlotter:覆盖区绘图仪 47 2.3 plotCoverageArea:绘制覆盖区 48 2.4 detectionPlotter:检测绘图仪 49 2.5 plotDetection:绘制目标检测 50 2.6 laneBoundaryPlotter:车道边界绘图仪 52 2.7 plotLaneBoundary:绘制车道边界 53 2.8 laneMarkingPlotter:车道标线绘图仪 54 2.9 plotLaneMarking:绘制车道标线 56 2.10 pathPlotter:路径绘图仪 58 2.11 plotPath:绘制路径 59 2.12 trackPlotter:轨迹绘图仪 61 2.13 plotTrack:绘制轨迹 62 2.14 outlinePlotter:轮廓绘图仪 63 2.15 plotOutline:绘制轮廓 65 2.16 findPlotter:查找绘图仪 66 2.17 clearPlotterData:清除绘图仪数据 68 2.18 clearData:清除特定绘图仪数据 69 第3章 环境感知 / 71 3.1 monoCamera:配置单目摄像机 72 3.2 imageToVehicle:图像坐标转换为车辆坐标 73 3.3 vehicleToImage:车辆坐标转换为图像坐标 75 3.4 estimateMonoCameraParameters:单目摄像机外部参数 75 3.5 birdsEyeview:利用逆透视变换创建鸟瞰图对象 77 3.6 transformImage:将图像转换为鸟瞰图像 78 3.7 imageToVehicle:将鸟瞰图像坐标转换为车辆坐标 79 3.8 vehicleToImage:将车辆坐标转换为鸟瞰图像坐标 81 3.9 segmentLaneMarkerRidge:检测灰度图像中的车道 82 3.10 parabolicLaneBoundary:抛物线车道边界模型 83 3.11 findParabolicLaneBoundaries:用抛物线模型寻找车道边界 84 3.12 insertLaneBoundary:在图像中插入车道边界 86 3.13 cubicLaneBoundaryModel:三次方车道边界模型 87 3.14 findCubicLaneBoundaries:用三次方模型寻找车道边界 88 3.15 computeBoundaryModel:求车道边界坐标值 90 3.16 evaluateLaneBoundaries:评价车道边界模型 91 3.17 vehicleDetectorACF: ACF车辆检测器 92 3.18 detect: ACF目标检测 93 3.19 vehicleDetectorFasterRCNN: RCNN车辆检测器 95 3.20 peopleDetectorACF: ACF行人检测器 96 3.21 vision.PeopleDetector:基于HOG特征检测行人 98 3.22 configureDetectorMonoCamera:单目摄像机目标检测器 99 3.23 trainACFObjecDetector:训练ACF目标检测器 101 3.24 trainFastRCNNObjectDetector:训练RCNN目标检测器 103 3.25 trainFasterRCNNObjectDetector:训练更快的RCNN目标检测器 105 3.26 trainYOLO v2ObjectDetector:训练YOLO v2目标检测器 106 3.27 objecDetectorTrainingData:目标检测器训练数据 108 3.28 insertMarker:插入标记 109 3.29 pointCloud:创建三维点云 110 3.30 pcdenoise:去除三维点云噪声 112 3.31 pcmerge:合并三维点云 113 3.32 pcnormals:估计三维点云表面法线 114 3.33 pctransform:三维点云变换 115 3.34 pcregistercpd:基于CPD的三维点云配准 117 3.35 pcregistericp:基于ICP的三维点云配准 118 3.36 pcregisterndt:基于NDT的三维点云配准 120 3.37 pcsegdist:基于欧几里得的点云分割 121 3.38 segmentLidarData:激光雷达数据分割 123 3.39 segmentGroundFromLidarData:激光雷达数据分割地面点 125 3.40 pcfitplane:三维点云平面拟合 126 第4章 路径规划 / 129 4.1 vehicleCostmap:车辆成本图 130 4.2 vehicleDimensions:车辆尺寸 132 4.3 checkFree:空闲区检测 133 4.4 checkOccupied:占用区域检测 134 4.5 getCosts:获取单元格成本 136 4.6 setCosts:设置单元格成本 138 4.7 inflationCollisionChecker:碰撞检测 139 4.8 pathPlannerRRT: RRT* 路径规划器 141 4.9 plan:路径规划 142 4.10 checkPathValidity:检查路径规划的有效性 144 4.11 interpolate:沿路径插入车辆姿态 145 4.12 smoothPathSpline:路径平滑 146 4.13 lateralControllerStanley:横向控制器 147 第5章 目标跟踪 / 149 5.1 multObjectTracker:多目标跟踪器 150 5.2 objectDetection:单目标检测报告 151 5.3 getTrackPositions:获取跟踪位置 152 5.4 getTrackVelocities:获取跟踪速度 153 5.5 trackingKF:线性卡尔曼滤波器 155 5.6 predict:卡尔曼滤波器预测 156 5.7 correct:卡尔曼滤波器校正 157 5.8 initcvkf:匀速线性卡尔曼滤波器 158 5.9 initcakf:加速线性卡尔曼滤波器 159 5.10 trackingEKF:线性扩展卡尔曼滤波器 160 5.11 initcvekf:匀速线性扩展卡尔曼滤波器 161 5.12 initcaekf:加速线性扩展卡尔曼滤波器 162 5.13 initctekf:转向线性扩展卡尔曼滤波器 163 5.14 trackingUKF:无迹卡尔曼滤波器 164 5.15 initcvukf:匀速无迹卡尔曼滤波器 166 5.16 initcaukf:加速无迹卡尔曼滤波器 167 5.17 initctukf:转向无迹卡尔曼滤波器 168 5.18 constvel:匀速运动模型 169 5.19 constveljac:匀速运动的雅可比矩阵 170 5.20 cvmeas:匀速运动测量函数 171 5.21 cvmeasjac:匀速运动测量函数的雅可比矩阵 172 5.22 constacc:加速运动模型 173 5.23 constaccjac:加速运动的雅可比矩阵 174 5.24 cameas:加速运动测量函数 175 5.25 cameasjac:加速运动测量函数的雅可比矩阵 176 5.26 constturn:转向运动模型 177 5.27 constturnjac:转向运动的雅可比矩阵 178 5.28 ctmeas:转向运动的测量函数 179 5.29 ctmeasjac:转向运动测量函数的雅可比矩阵 180 第6章 综合应用实例 / 182 6.1 汽车自动行驶路线仿真 183 6.2 驾驶场景仿真 184 6.3 汽车前向碰撞仿真 187 6.4 汽车自动避障仿真 188 6.5 基于视觉传感器的多车辆检测和跟踪 190 6.6 基于激光雷达的地面和障碍物检测 193 参考文献 / 196
ISBN:978-7-122-37323-6
语种:汉文
开本:16
出版时间:2020-09-01
装帧:平
页数:196