MATLAB y Simulink para sistemas de conducción autónoma

Descubra por qué los ingenieros de automoción utilizan MATLAB® y Simulink® para diseñar funciones de los sistemas de conducción autónoma, tales como detección, planificación de trayectorias, fusión de sensores y controles. Con MATLAB y Simulink podrá:

  • Desarrollar sistemas de percepción mediante algoritmos prediseñados, modelos de sensores y apps para visión artificial, procesamiento de lidar y radar, y fusión de sensores. 
  • Diseñar sistemas de control y modelar la dinámica de los vehículos en un entorno 3D mediante aplicaciones de referencia completamente ensambladas.
  • Probar y verificar los sistemas mediante la creación de escenarios de conducción con modelos de sensores sintéticos.
  • Utilizar visualizaciones específicas para la conducción autónoma.
  • Planificar trayectorias de conducción mediante el diseño y el uso de mapas de coste de vehículos y algoritmos de planificación de movimiento.
  • Reducir las tareas de ingeniería necesarias para el cumplimiento de ISO 26262.
  • Generar automáticamente código C para el prototipado rápido y las pruebas HIL mediante productos de generación de código.

“MATLAB es mi herramienta preferida porque acelera el diseño y el perfeccionamiento de algoritmos. Puedo realizar análisis de datos, desarrollar algoritmos, visualizar algoritmos y simular en el mismo sitio y, después, generar código C que resulta fiable, eficiente y fácil para que los ingenieros de software lo integren en un sistema más amplio.”

Liang Ma, Delphi

Uso de MATLAB para sistemas de conducción autónoma

Diseño y pruebas de percepción

MATLAB proporciona algoritmos predefinidos y modelos de sensores para visión artificial, procesamiento de lidar, radar y fusión de sensores. Lleve a cabo la fusión de sensores mediante una librería de técnicas de rastreo y asociación de datos, que incluye rastreadores de objetos puntuales y extendidos. Simule mediciones de sensores IMU/GPS y diseñe algoritmos de fusión y localización para calcular la posición y la orientación de los vehículos.

Utilice deep learning y machine learning para desarrollar algoritmos para la detección de peatones, la detección de carriles y el cálculo de trayectorias transitables.

Mediante la app Ground Truth Labeling, pruebe el rendimiento del sistema de percepción mediante la comparación de los datos de validación (ground-truth) con las salidas de los algoritmos.  


Diseño y pruebas de control

Desarrolle controladores para funciones de conducción autónoma como frenado de emergencia automático (AEB), asistencia de mantenimiento de carril (LKA), control de crucero automático (ACC) y estacionamiento automático. Diseñe controladores predictivos de modelos específicamente para aplicaciones de conducción autónoma con características predefinidas y bloques para escenarios como ACC, LKA y elusión de obstáculos.

Pruebe los algoritmos de conducción autónoma mediante escenarios creados y detecciones sintéticas de modelos de sensores de radar y cámara. Defina redes de carreteras, actores y sensores mediante la app Driving Scenario Designer. Importe pruebas de Euro NCAP y redes de carreteras de OpenDRIVE® prediseñadas. 


Localización y planificación de trayectorias

Planifique trayectorias de conducción mediante el uso de mapas de coste de vehículos y algoritmos de planificación de movimiento. También puede acceder a técnicas de planificación de trayectorias a partir de ROS mediante las interfaces de ROS Toolbox™. Calcule la localización y la orientación de vehículos mediante datos de sensores IMU y GPS.


Pruebas basadas en simulación  

Pruebe sus algoritmos de conducción autónoma mediante la app Driving Scenario Designer, que permite crear escenarios o cargar escenarios predefinidos, tales como Euro NCAP. Genere detecciones a partir de sus modelos de cámara y radar estadísticos y analice la salida en MATLAB o Simulink.

Desarrolle una área de pruebas virtual para ADAS y las características de conducción autónoma mediante las aplicaciones de referencia y el entorno 3D. Los modelos de vehículos incluyen una cámara virtual que envía imágenes a Simulink durante la simulación. Analice las señales en Simulink para probar su algoritmo de detección de carriles. La personalización de escenas en los editores de Unreal Engine ofrece flexibilidad adicional para crear y simular escenarios donde poner en práctica sus características de conducción autónoma y ADAS.