导语
内容提要
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。
目录
第1章 驾驶场景
1.1 drivingScenario:创建驾驶场景
1.2 plot:绘制驾驶场景
1.3 road:添加道路
1.4 roadNetwork:添加道路网
1.5 roadBoundaries:道路边界
1.6 laneMarking:车道标线
1.7 laneMarkingVertices:车道标线顶点
1.8 laneType:车道类型
1.9 lanespec:车道规范
1.10 vehicle:添加车辆
1.11 actor:添加交通参与者
1.12 trajectory:交通参与者轨迹
1.13 actorPoses:交通参与者姿态
1.14 actorProfiles:交通参与者特性
1.15 currentLane:当前车道
1.16 record:交通参与者状态记录
1.17 chasePlot:绘制追逐图
1.18 laneBoundaries:车道边界
1.19 clothoidLaneBoundary:回旋线车道边界模型
1.20 computeBoundaryModel:计算车道边界点
1.21 targetPoses:目标姿态
1.22 targetOutlines:目标轮廓
1.23 updatePlots:更新驾驶场景图
1.24 radarDetectionGenerator:雷达检测器
1.25 visionDetetionGenerator:视觉检测器
第2章 鸟瞰图
2.1 birdsEyePlot:创建鸟瞰图
2.2 coverageAreaPlotter:覆盖区绘图仪
2.3 plotCoverageArea:绘制覆盖区
2.4 detectionPlotter:检测绘图仪
2.5 plotDetection:绘制目标检测
2.6 laneBoundaryPlotter:车道边界绘图仪
2.7 plotLaneBoundary:绘制车道边界
2.8 laneMarkingPlotter:车道标线绘图仪
2.9 plotLaneMarking:绘制车道标线
2.10 pathPlotter:路径绘图仪
2.11 plotPath:绘制路径
2.12 trackPlotter:轨迹绘图仪
2.13 plotTrack:绘制轨迹
2.14 outlinePlotter:轮廓绘图仪
2.15 plotOutline:绘制轮廓
2.16 findPlotter:查找绘图仪
2.17 clearPlotterData:清除绘图仪数据
2.18 clearData:清除特定绘图仪数据
第3章 环境感知
3.1 monoCamera:配置单目摄像机
3.2 imageToVehicle:图像坐标转换为车辆坐标
3.3 vehicleToImage:车辆坐标转换为图像坐标
3.4 estimateMonoCameraParameters:单目摄像机外部参数
3.5 birdsEyeview:利用逆透视变换创建鸟瞰图对象
3.6 transformImage:将图像转换为鸟瞰图像
3.7 imageToVehicle:将鸟瞰图像坐标转换为车辆坐标
3.8 vehicleToImage:将车辆坐标转换为鸟瞰图像坐标
3.9 segmentLaneMarkerRidge:检测灰度图像中的车道
3.10 parabolicLaneBoundary:抛物线车道边界模型
3.11 findParabolicLaneBoundaries:用抛物线模型寻找车道边界
3.12 insertLaneBoundary:在图像中插入车道边界
3.13 cubicLaneBoundaryModel:三次方车道边界模型
3.14 findCubicLaneBoundaries:用三次方模型寻找车道边界
3.15 computeBoundaryModel:求车道边界坐标值
3.16 evaluateLaneBoundaries:评价车道边界模型
3.17 vehicleDetectorACF: ACF车辆检测器
3.18 detect: ACF目标检测
3.19 vehicleDetectorFasterRCNN: RCNN车辆检测器
3.20 peopleDetectorACF: ACF行人检测器
3.21 vision.PeopleDetector:基于HOG特征检测行人
3.22 configureDetectorMonoCamera:单目摄像机目标检测器
3.23 trainACFObjecDetector:训练ACF目标检测器
3.24 trainFastRCNNObjectDetector:训练RCNN目标检测器
3.25 trainFasterRCNNObjectDetector:训练更快的RCNN目标检测器
3.26 trainYOLO v2ObjectDetector:训练YOLO v2目标检测器
3.27 objecDetectorTrainingData:目标检测器训练数据
3.28 insertMarker:插入标记
3.29 pointCloud:创建三维点云
3.30 pcdenoise:去除三维点云噪声
3.31 pcmerge:合并三维点云
3.32 pcnormals:估计三维点云表面法线
3.33 pctransform:三维点云变换
3.34 pcregistercpd:基于CPD的三维点云配准
3.35 pcregistericp:基于ICP的三维点云配准
3.36 pcregisterndt:基于NDT的三维点云配准
3.37 pcsegdist:基于欧几里得的点云分割
3.38 segmentLidarData:激光雷达数据分割
3.39 segmentGroundFromLidarData:激光雷达数据分割地面点
3.40 pcfitplane:三维点云平面拟合
第4章 路径规划
4.1 vehicleCostmap:车辆成本图
4.2 vehicleDimensions:车辆尺寸
4.3 checkFree:空闲区检测
4.4 checkOccupied:占用区域检测
4.5 getCosts:获取单元格成本
4.6 setCosts:设置单元格成本
4.7 inflationCollisionChecker:碰撞检测
4.8 pathPlannerRRT: RRT* 路径规划器
4.9 plan:路径规划
4.10 checkPathValidity:检查路径规划的有效性
4.11 interpolate:沿路径插入车辆姿态
4.12 smoothPathSpline:路径平滑
4.13 lateralControllerStanley:横向控制器
第5章 目标跟踪
5.1 multObjectTracker:多目标跟踪器
5.2 objectDetection:单目标检测报告
5.3 getTrackPositions:获取跟踪位置
5.4 getTrackVelocities:获取跟踪速度
5.5 trackingKF:线性卡尔曼滤波器
5.6 predict:卡尔曼滤波器预测
5.7 correct:卡尔曼滤波器校正
5.8 initcvkf:匀速线性卡尔曼滤波器
5.9 initcakf:加速线性卡尔曼滤波器
5.10 trackingEKF:线性扩展卡尔曼滤波器
5.11 initcvekf:匀速线性扩展卡尔曼滤波器
5.12 initcaekf:加速线性扩展卡尔曼滤波器
5.13 initctekf:转向线性扩展卡尔曼滤波器
5.14 trackingUKF:无迹卡尔曼滤波器
5.15 initcvukf:匀速无迹卡尔曼滤波器
5.16 initcaukf:加速无迹卡尔曼滤波器
5.17 initctukf:转向无迹卡尔曼滤波器
5.18 constvel:匀速运动模型
5.19 constveljac:匀速运动的雅可比矩阵
5.20 cvmeas:匀速运动测量函数
5.21 cvmeasjac:匀速运动测量函数的雅可比矩阵
5.22 constacc:加速运动模型
5.23 constaccjac:加速运动的雅可比矩阵
5.24 cameas:加速运动测量函数
5.25 cameasjac:加速运动测量函数的雅可比矩阵
5.26 constturn:转向运动模型
5.27 constturnjac:转向运动的雅可比矩阵
5.28 ctmeas:转向运动的测量函数
5.29 ctmeasjac:转向运动测量函数的雅可比矩阵
第6章 综合应用实例
6.1 汽车自动行驶路线仿真
6.2 驾驶场景仿真
6.3 汽车前向碰撞仿真
6.4 汽车自动避障仿真
6.5 基于视觉传感器的多车辆检测和跟踪
6.6 基于激光雷达的地面和障碍物检测
参考文献