通过函数脚本创建一个简单的环形道路（Matlab 自动驾驶工具箱）

MATLAB自带自动驾驶工具箱，可在APP内打开，或在命令行窗口输入>>drivingScenarioDesigner打开。

该工具箱可以

使用拖放界面创建道路和汽车模型。
配置安装在（ego本车）车辆上的视觉、雷达、激光雷达、INS 和超声波传感器，生成执行组件和车道边界检测、点云数据和惯性测量。

具体用法可参考：设计驾驶场景、配置传感器并生成综合数据 - MATLAB (mathworks.com)

下面主要介绍工具箱封装的函数及脚本示例：

1、常用函数

Driving Scenario Designer常用函数
函数	功能	常见调用格式
drivingScenario	创建初始的驾驶场景	scenario = drivingScenario;
road	在驾驶场景中添加道路	road(scenario,roadCenters, 'Lanes',laneSpecification); roadCenters：用N个道路中心点的坐标组成的N×2 或N×3 实数矩阵来定义二维平面或三维空间中的道路 laneSpecification：道路规范（主要包括车道数量、车道宽度、车道线型、车道类型）
roadBoundaries	获得道路边界点	roadBoundaries(scenario)；返回的是边界点坐标的细胞阵列类型
vehicle	在驾驶场景中添加车辆	例：ego.vehicle = vehicle(scenario,'Position',ego.pos);
actor	在驾驶场景中添加交通参与者（自行车、行人、护栏等）	例：bicycle = actor(scenario,'ClassID',3,'Position',[706 376 0]', ... 'Length',2,'Width',0.45,'Height',1.5);
trajectory	生成轨迹	例：trajectory(ego.vehicle, ego.waypoints,ego.speed); （输入该参与者的路径点和速度）
actorPoses	获取交通参与者的姿态	actorPoses（scenario); 返回驾驶场景、场景中所有参与者的当前姿势（位置、速度和方向）
chasePlot	绘制鸟瞰图	chasePlot(ego.vehicle)

ClassID	Actor类型
1	Car车辆
2	Truck卡车
3	Bicycle自行车
4	Pedestrain行人
5	Jersey Barrier屏障
6	Guardrail护栏

2、Matlab脚本文件创建环形道路场景

clc
clear
close all
%%构建道路场景
%场景初始化
scenario = drivingScenario;  %场景初始化
scenario.SampleTime = 0.1;  %采样时间

%道路中心坐标
roadCenters = [-50 50 0;-50 -50 0;50 -50 0;50 50 0;-50 50 0];

%建立道路
marking = [laneMarking('Solid')...
    laneMarking('Dashed') laneMarking('Solid')];  %分界线线型(Dashed虚线)
laneSpecification = lanespec(2,'Marking',marking);  %道路规范
road(scenario,roadCenters,'Lanes',laneSpecification);  %生成道路

%获得道路边界
rdbdy = roadBoundaries(scenario);
rdbdy = rdbdy{1,1}(1:end-1,:);
%rdbdy = [rdbdy(3:end,:);rdbdy(1:2,:)];
%rdbdy(1,3) = 0;

%%构建车辆信息
%根据单向两车道约定，分别计算左车道和右车道中心线坐标，以生成车辆航迹点
ptNums = size(rdbdy,1);
for j = 1:ptNums/2  %道路两侧的道路散点数量总共为ptNums，故ptNums/2为一侧的散点数量
    rightBdyPt = rdbdy(j,:);
    leftBdyPt = rdbdy(ptNums-j+1,:);
    leftWaypoints(j,:) = leftBdyPt + (rightBdyPt - leftBdyPt)*0.25;%左车道和右车道中心线坐标
    rightWaypoints(j,:) = leftBdyPt + (rightBdyPt - leftBdyPt)*0.75;
end


%本车信息
ego.vehicle = [];
ego.waypoints = rdbdy;
ego.pos = ego.waypoints(1,:);
ego.speed = 15;

%1号交通车信息
obs = struct;
obs(1).vehicle = [];
obs(1).waypoints = rdbdy(50:end,:);
obs(1).pos = obs(1).waypoints(1,:);
obs(1).speed = 10;

%2号交通车信息
obs(2).vehicle = [];
obs(2).waypoints = rdbdy(30:end,:);
obs(2).pos = obs(2).waypoints(1,:);
obs(2).speed = 8;

%%在场景增加车辆
%根据自车信息增加车辆
ego.vehicle = vehicle(scenario,'Position',ego.pos);
trajectory(ego.vehicle,ego.waypoints,ego.speed);

%根据交通车信息增加车辆
for i = 1:2
    obs(i).vehicle = vehicle(scenario,'Position',obs(i).pos);
    trajectory(obs(i).vehicle,obs(i).waypoints,obs(i).speed);
end

%%启动仿真
plot(scenario)
chasePlot(ego.vehicle)
tjty = [];
step = 1;
while advance(scenario)
    pause(0.1)
    tjty(step).time = scenario.SimulationTime;
    tjty(step).pos = scenario.Actors(1,3).Position(1:2);
    step = step+1;

    hold on;
    frame=getframe(gcf);
    imind=frame2im(frame);
    [imind,cm] = rgb2ind(imind,256);
    if i==1
         imwrite(imind,cm,'仿真动图.gif','gif', 'Loopcount',inf,'DelayTime',1e-4);
    else
         imwrite(imind,cm,'仿真动图.gif','gif','WriteMode','append','DelayTime',1e-4);
    end
end

%%保存
save Scenario.mat scenario leftWaypoints rightWaypoints tjty

3、得到的结果：

其中，蓝车为 ego.vehicle(我方小车)

该文章参考b站视频：自动驾驶汽车预测-决策-规划-控制实战入门_哔哩哔哩_bilibili

感觉up主讲的真的很详细，很适合自动驾驶的Matlab学习！！

通过函数脚本创建一个简单的环形道路（Matlab 自动驾驶工具箱）

猜你喜欢