Los ingenieros de automoción utilizan MATLAB® y Simulink® para diseñar las funcionalidades de los sistemas de conducción autónoma.

Acceda a estos vídeos, artículos y otros recursos para saber cómo MATLAB y Simulink pueden ayudarle a responder a estas preguntas:

  • ¿Cómo analizar y sintetizar los datos?
  • ¿Cómo diseñar y desplegar los algoritmos?
  • ¿Cómo integrar y probar estos sistemas?

Analizar y sintetizar los escenarios

Visualizar la cobertura de los sensores, las detecciones y los rastreos con un diagrama de vista aérea
Simular un escenario de conducción cuboide con la app Driving Scenario Designer (5:09)
Simulación 3D para conducción autónoma con Unreal Engine
Generación de escenarios a partir de datos de vehículos registrados
Etiquetar vídeos e imágenes con Ground Truth Labeler (6:04)

Percepción

Percepción con visión artificial y Lidar
Simular y procesar señales de radar para conducción autónoma
Generar y desplegar código CUDA para la detección de objetos con NVIDIA Jetson (2:25)
Ejemplos de fusión de sensores y seguimiento
Fusión de sensores y seguimiento, parte 1: ¿qué es la fusión de sensores? (12:34)

Planificación y control

Diseñar, simular y desplegar algoritmos de planificación de trayectorias con Navigation Toolbox (1:50)
Ejemplo de aparcamiento automatizado
Descripción del control predictivo de modelos - parte 1: ¿por qué usar el control predictivo de modelos? (4:50)
Control de crucero adaptativo y fusión de sensores con el control predictivo de modelos (6:00)

Integración y pruebas

Integration with Robotics Operating System (ROS)
Simulación de la dinámica longitudinal y lateral de vehículos (9:13)
Automatizar las pruebas de seguimiento de los carriles de la autopista
Master Class: diseñar y probar la toma de decisiones, planificación de trayectorias y módulos de control en escenarios de tráfico (44:32)

Testimonios de usuarios y ejemplos

Ricardo: simular la comodidad de los pasajeros y del mareo en los vehículos autónomos (23:54)
Caterpillar: big data, análisis de datos e infraestructura de machine/deep learning (18:47)
Autoliv: anotación automática de nube de puntos LiDAR para la verificación de sensores (14:05)
Centro técnico europeo de Tata Motors: acelerar el desarrollo de algoritmos de control de vehículos autónomos con diseño basado en modelos
Voyage Auto: desarrollar los controles longitudinales para un taxi autoconductor
Hitachi: desarrollar un modelo de control predictivo para el control de crucero adaptativo
Universidad Técnica de Munich: un entorno de simulación en tiempo real para los vehículos autónomos en escenarios de conducción dinámicos (23:47)
Ejemplos: aplicaciones de conducción autónoma que utilizan el control predictivo de modelos