MATLAB自动驾驶函数及应用

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