MATLAB 自動駕駛工具箱（ Automated Driving Toolbox）簡介

這幾年自動駕駛風生水起，很多公司都想在這個行業分一杯羹。自2017年，MathWorks公司也順勢推出了MATLAB 自動駕駛工具箱，並且每年都有更新，下面簡單來了解和總結下MATLAB自動駕駛工具箱的主要功能。

1 概況

MathWorks公司官網關於該工具箱的介紹主要如下：

自動駕駛工具箱™ 主要爲ADAS（輔助駕駛系統）和自動駕駛系統提供了設計、模擬和測試的算法和工具。用戶可以設計和測試視覺、激光和雷達感知系統，傳感器融合、路徑規劃以及車輛控制器。提供了可視化工具：用於傳感器覆蓋、檢測和跟蹤的鳥瞰圖，以用於視頻、激光雷達和地圖的顯示。工具箱允許導入和使用這裏的高清實時地圖數據和 OpenDRIVE®道路網絡。

使用Ground Truth Labeler App，用戶可以自動標記ground truth（真值），以訓練和評估感知算法；對於硬件在環（HIL）測試和感知、傳感器融合、路徑規劃和控制邏輯的桌面仿真，也可以生成和模擬駕駛場景。可以在照片級真實感三維環境中模擬相機、雷達和激光雷達傳感器的輸出，並在2.5-D模擬環境中模擬傳感器對物體和車道邊界的檢測。

自動駕駛工具箱爲常見ADAS和自動駕駛功能（包括FCW、AEB、ACC、LKA和泊車代客泊車）提供參考應用示例。該工具箱支持C/C++代碼，可以生成用於快速原型和HIL測試，並且支持傳感器融合、跟蹤、路徑規劃和車輛控制器的應用級算法。

官方圖文鏈接：https://www.mathworks.com/products/automated-driving.html

2 功能

2.1 真值打標籤（Ground Truth Labeling）

2.1.1 自動打標籤

使用Ground Truth Labeling App進行交互式和自動化地面真相標籤，以便於目標檢測、語義分割和場景分類。

2.1.2 測試感知算法

通過與真值進行對比，測試感知輸出的正確性。

2.2 駕駛場景仿真（Driving Scenario Simulation）

2.2.1長方體驅動仿真 （Cuboid Driving Simulation）

從雷達和攝像頭傳感器模型生成合成檢測，並將這些檢測合併到駕駛場景中，使用基於長方體的仿真模擬器測試自動駕駛算法。使用駕駛場景設計器App定義道路網絡、道路參與者（汽車、行人、自行車、障礙物等等）和傳感器。引進預建的歐洲NCAP測試和OpenDRIVE道路網。

2.2.2虛擬引擎驅動場景仿真（Unreal Engine Driving Scenario Simulation）

使用Epic Games®的Unreal Engine®渲染的3D模擬環境中開發、測試和可視化駕駛算法。

2.3 基於計算視覺和雷達的感知（Perception with Computer Vision and Lidar）

2.3.1視覺系統設計（Vision System Design）

開發用於檢測汽車、行人、道路和分類的計算機視覺算法。

2.3.2激光雷達處理（Lidar Processing）

使用激光雷達數據來檢測障礙物和segment ground planes（待析）。

2.4 跟蹤和傳感器融合（Tracking and Sensor Fusion）

物體跟蹤和多傳感器算法，在物體檢測和跟蹤的基礎上提供鳥瞰圖。

2.5 地形匹配（Geographic Mapping）

2.5.1獲取HERE在線地圖（Accessing HERE HD Live Map Data）

通過網絡服務直接讀取HERE（國外的地圖服務商）的高清地圖，地圖信息包含了詳細的道路、車道和定位信息。

2.5.2 地圖可視化

使用 streaming coordinate 繪製車輛行駛時的位置。

2.6 決策規劃和控制

使用車輛costmap和運動規劃算法規劃駕駛路徑。

小結

本想根據MATLAB官網關於自動駕駛工具箱的相關文章和個人的試用情況做個相關簡介，但寫着寫着發現其實官網寫的已經很全了，乾脆將官網的兩篇文章混雜在一塊兒半翻譯下來了，試用情況後續文章中再跟上。

參考

主要參考了官網兩篇文檔：

https://www.mathworks.com/products/automated-driving.html#sft

https://www.mathworks.com/help/driving/index.html?s_tid=CRUX_lftnav