자율주행 알고리즘
인식 알고리즘은 차량이 환경에서 정적 및 동적 요소를 이해할 수 있도록 합니다. 인식 소프트웨어는 차량이 온보드 센서 데이터를 사용하여 다른 차량의 위치와 방향을 추정하도록 지원합니다. SLAM(동시적 위치추정 및 지도작성) 알고리즘을 사용하는 인식 소프트웨어는 맵을 증분 방식으로 작성하는 동시에 차량의 위치를 추정합니다. Automated Driving Toolbox™는 다음 응용 분야와 관련된 인식 소프트웨어 기능을 제공합니다.
검출 및 추적 — 객체 및 차선 검출, 카메라 센서 구성, 센서 융합 및 추적.
위치추정 및 지도작성 — SLAM 알고리즘을 사용한 맵 작성 및 미리 작성된 맵을 사용한 위치추정.
지리 맵과 HD 맵 — HERE에서 라이브 맵을 가져오고 지리 맵 시각화.
계획 알고리즘은 인식 소프트웨어의 출력을 사용하여 환경 변화에 정확하게 대응하기 위해 차량이 취해야 할 최적의 경로와 액션을 결정합니다. 제어 알고리즘은 차량이 해당 액션을 실행하고 계획 소프트웨어가 계획한 경로를 정확하게 따르도록 합니다. Automated Driving Toolbox는 계획 및 차량 제어와 관련된 소프트웨어도 제공합니다.
주요 항목
- Calibrate a Monocular Camera
- Get Started with Lidar Lane Detection Using Deep Learning
- Multiple Object Tracking Tutorial
- Sensor Fusion Using Synthetic Radar and Vision Data
- Code Generation for Tracking and Sensor Fusion
- Performant and Deployable Monocular Visual SLAM
- Performant Monocular Visual-Inertial SLAM
- Lateral Control Tutorial
- Code Generation for Path Planning and Vehicle Control
카테고리
- 검출 및 추적
카메라 센서 구성, 객체 및 차선 검출, 추적 및 센서 융합
- 위치추정 및 지도작성
비전 데이터와 라이다 데이터를 사용한 SLAM(동시적 위치추정 및 지도작성), 맵 작성, 오도메트리
- 계획 및 제어
차량 비용맵, 최적의 RRT* 경로 계획, 횡방향 제어기와 종방향 제어기
- 지리 맵과 HD 맵
HERE HD Live Map 데이터 가져오기, 스트리밍 지리 맵 데이터 표시, 좌표 변환
추천 예제
Create 360° Bird's-Eye-View Image Around a Vehicle
Create a 360° bird's-eye-view image around a vehicle for use in a surround view monitoring system. It then shows how to generate code for the same bird's-eye-view image creation algorithm and verify the results.
Lane Detection in Lidar Data Using Deep Learning
Detect lanes in lidar point clouds using LLDN-GFC deep learning network.
Train a Deep Learning Vehicle Detector
Train a vision-based vehicle detector using deep learning.
Perception Based Live Parking Spot Detection Using Unreal Engine Simulation
Develop a live parking spot detection system using deep learning and SLAM.
Develop Visual SLAM Algorithm Using Unreal Engine Simulation
Develop a visual simultaneous localization and mapping (SLAM) algorithm using image data from the Unreal Engine® simulation environment.
Design Lidar SLAM Algorithm Using Unreal Engine Simulation Environment
Develop a simultaneous localization and mapping algorithm using synthetic lidar sensor data recorded from the Unreal Engine simulation environment.
Extended Object Tracking of Highway Vehicles with Radar and Camera
Track objects whose dimensions span multiple sensor resolution cells.
Track-to-Track Fusion for Automotive Safety Applications
Fuse tracks from two vehicles to provide a more comprehensive estimate of the environment than seen by each vehicle.
Highway Lane Change Planner and Controller
Design and test the planner and controller components of a lane change maneuver system designed for highway driving.
Highway Trajectory Planning Using Frenet Reference Path
Plan a local trajectory in a highway driving scenario by using a reference path in Frenet coordinates and a dynamic list of obstacles.
Lidar Localization with Unreal Engine Simulation
Develop and evaluate a lidar localization algorithm using synthetic lidar data from the Unreal Engine simulation environment.
Visual Localization in a Parking Lot
Develop a visual localization system using synthetic image data from a parking lot scene in Unreal Engine environment.
Build Occupancy Map from 3-D Lidar Data Using SLAM
Build a 2-D Occupancy map from 3-D Lidar data using a simultaneous localization and mapping (SLAM) algorithm.
Create Occupancy Grid Using Monocular Camera and Semantic Segmentation
Estimate free space and create an occupancy grid using semantic segmentation and deep learning.
Object Tracking and Motion Planning Using Frenet Reference Path
Dynamically replan the motion of an autonomous vehicle based on the estimate of the surrounding environment. You use a Frenet reference path and a joint probabilistic data association (JPDA) tracker to estimate and predict the motion of other vehicles on the highway. Compared to the Highway Trajectory Planning Using Frenet Reference Path (Navigation Toolbox) example, you use these estimated trajectories from the multi-object tracker in this example instead of ground truth for motion planning.
Truck Platooning Using Vehicle-to-Vehicle Communication
Simulate truck platooning application using V2V communication in Unreal Engine simulation environment.
Truck Platooning with RoadRunner Scenario
Simulate truck platooning application, designed in Simulink®, with RoadRunner Scenario.
