Conducción autónoma

Acceso, visualización y etiquetado de datos

Puede acceder a datos de conducción registrados y en tiempo real utilizando interfaces de MATLAB para CAN y ROS. También puede visualizar y etiquetar los datos importados con las herramientas integradas. Por ejemplo, la app Ground Truth Labeler ofrece una interfaz para visualizar y etiquetar múltiples señales de manera interactiva. También puede etiquetar estas señales automáticamente y exportar los datos etiquetados a su área de trabajo.

Para acceder a datos de mapas geográficos y visualizarlos, puede utilizar HERE HD Live Maps y OpenStreetMap.

Documentación

• Advertencia de colisión frontal con CAN FD y TCP/IP
• Cómo trabajar con mensajes de ROS especializados
• Visualización de cobertura, detecciones y seguimientos de sensores
• Visualización de datos en un mapa base de OpenStreetMap

Simulación de escenarios de conducción

Puede utilizar entornos de simulación de cuboides y de Unreal Engine con MATLAB para desarrollar y probar algoritmos en escenarios virtuales.

En el entorno de cuboides, los actores se representan como gráficos simples y se utilizan modelos de sensores probabilísticos. Puede utilizar este entorno para sistemas de control, fusión de sensores y planificación del movimiento.

Con el entorno de Unreal Engine, puede desarrollar algoritmos para casos prácticos de percepción y de entorno cuboide. RoadRunner permite diseñar escenas para simuladores, incluidos CARLA, Vires VTD y NVIDIA Drive Sim, así como MATLAB y Simulink. RoadRunner también soporta la exportación a formatos de archivo estándar de la industria, tales como FBX y OpenDRIVE.

Documentación

• Driving Scenario Designer
• Generación de escenarios a partir de datos registrados por el vehículo
• Simulación 3D para conducción autónoma
• Visualización de coberturas y detecciones de sensores de simulación 3D
• Introducción a RoadRunner

Diseño de algoritmos de planificación y control

Con MATLAB y Simulink, puede desarrollar algoritmos de planificación y control de trayectorias. Puede diseñar sistemas de control de vehículos utilizando controladores laterales y longitudinales que permiten a los vehículos autónomos seguir una trayectoria planificada.

También puede probar algoritmos de manera sintética, utilizando modelos de sensores y de dinámica de vehículos junto con entornos de simulación 2D y 3D.

Documentación

• Gestión de semáforos
• Estacionamiento en paralelo usando un planificador RRT y un controlador de seguimiento MPC
• Entrenamiento de un agente DQN para asistencia de mantenimiento de carril
• Frenado de emergencia autónomo con fusión de sensores
• Cambio de carril en carreteras
• Estacionamiento autónomo

Diseño de algoritmos de percepción

Puede desarrollar algoritmos de percepción, tales como el uso de datos de cámara, de LiDAR y de radar. Los algoritmos de percepción, que incluyen detección, seguimiento y localización, se pueden utilizar para aplicaciones de frenado automático, viraje, creación de mapas y odometría. 

Puede implementar estos algoritmos como parte de aplicaciones de SAAC, tales como frenado de emergencia y viraje.

Con MATLAB, puede desarrollar algoritmos para fusión de sensores, localización y mapeo simultáneos (SLAM), creación de mapas y odometría.

Documentación

• Detección de objetos con SSD de Deep Learning
• Fusión en el nivel de seguimiento de datos de radar y de LiDAR
• Introducción a las métricas de seguimiento
• Estimación de la orientación mediante fusión de sensores inerciales
• Creación de un mapa a partir de datos de LiDAR con SLAM

Despliegue de algoritmos

Puede desplegar algoritmos de planificación, control y percepción en hardware mediante flujos de trabajo de generación de código. Los lenguajes de generación de código soportados incluyen C, C++, CUDA, Verilog y VHDL^®.

También puede desplegar algoritmos en arquitecturas orientadas a servicios, tales como ROS y AUTOSAR.

Mediante código generado automáticamente, puede conectar sensores con otros componentes de ECU. Se ofrece soporte para varias plataformas de implementación, tales como hardware de NVIDIA, Intel, ARM, etc.

Documentación

• Generación de código para detectar objetos con un detector multicuadro de disparo único
• Generación de código para una aplicación de segmentación semántica en ARM Neon
• Desarrollo y configuración de componentes de software AUTOSAR Adaptive
• Estacionamiento autónomo con ROS en MATLAB

Integración y pruebas

Puede integrar y probar sus sistemas de percepción, planificación y control. Requirements Toolbox permite capturar y gestionar los requisitos. También puede utilizar Simulink Test para ejecutar y automatizar casos de prueba en paralelo.

Documentación

• Automatización de pruebas de seguimiento de carril en carreteras
• Integración continua para verificar modelos de Simulink