MATLAB自動(dòng)駕駛函數(shù)及應(yīng)用

第1章　駕駛場(chǎng)景　/ 1
1.1　drivingScenario：創(chuàng)建駕駛場(chǎng)景 2
1.2 plot：繪制駕駛場(chǎng)景 3
1.3 road：添加道路 4
1.4 roadNetwork：添加道路網(wǎng) 5
1.5 roadBoundaries：道路邊界 6
1.6 laneMarking：車道標(biāo)線 8
1.7 laneMarkingVertices：車道標(biāo)線頂點(diǎn) 10
1.8 laneType：車道類型 12
1.9 lanespec：車道規(guī)范 13
1.10 vehicle：添加車輛 14
1.11 actor：添加交通參與者 17
1.12 trajectory：交通參與者軌跡 19
1.13 actorPoses：交通參與者姿態(tài) 20
1.14 actorProfiles：交通參與者特性 22
1.15 currentLane：當(dāng)前車道 23
1.16 record：交通參與者狀態(tài)記錄 25
1.17 chasePlot：繪制追逐圖 26
1.18 laneBoundaries：車道邊界 28
1.19 clothoidLaneBoundary：回旋線車道邊界模型 31
1.20 computeBoundaryModel：計(jì)算車道邊界點(diǎn) 33
1.21 targetPoses：目標(biāo)姿態(tài) 34
1.22 targetOutlines：目標(biāo)輪廓 35
1.23 updatePlots：更新駕駛場(chǎng)景圖 37
1.24 radarDetectionGenerator：雷達(dá)檢測(cè)器 38
1.25 visionDetetionGenerator：視覺檢測(cè)器 41

第2章　鳥瞰圖　/ 45
2.1　birdsEyePlot：創(chuàng)建鳥瞰圖 46
2.2 coverageAreaPlotter：覆蓋區(qū)繪圖儀 47
2.3 plotCoverageArea：繪制覆蓋區(qū) 48
2.4 detectionPlotter：檢測(cè)繪圖儀 49
2.5 plotDetection：繪制目標(biāo)檢測(cè) 50
2.6 laneBoundaryPlotter：車道邊界繪圖儀 52
2.7 plotLaneBoundary：繪制車道邊界 53
2.8 laneMarkingPlotter：車道標(biāo)線繪圖儀 54
2.9 plotLaneMarking：繪制車道標(biāo)線 56
2.10 pathPlotter：路徑繪圖儀 58
2.11 plotPath：繪制路徑 59
2.12 trackPlotter：軌跡繪圖儀 61
2.13 plotTrack：繪制軌跡 62
2.14 outlinePlotter：輪廓繪圖儀 63
2.15 plotOutline：繪制輪廓 65
2.16 findPlotter：查找繪圖儀 66
2.17 clearPlotterData：清除繪圖儀數(shù)據(jù) 68
2.18 clearData：清除特定繪圖儀數(shù)據(jù) 69

第3章　環(huán)境感知　/ 71
3.1　monoCamera：配置單目攝像機(jī) 72
3.2 imageToVehicle：圖像坐標(biāo)轉(zhuǎn)換為車輛坐標(biāo) 73
3.3 vehicleToImage：車輛坐標(biāo)轉(zhuǎn)換為圖像坐標(biāo) 75
3.4 estimateMonoCameraParameters：單目攝像機(jī)外部參數(shù) 75
3.5 birdsEyeview：利用逆透視變換創(chuàng)建鳥瞰圖對(duì)象 77
3.6 transformImage：將圖像轉(zhuǎn)換為鳥瞰圖像 78
3.7 imageToVehicle：將鳥瞰圖像坐標(biāo)轉(zhuǎn)換為車輛坐標(biāo) 79
3.8 vehicleToImage：將車輛坐標(biāo)轉(zhuǎn)換為鳥瞰圖像坐標(biāo) 81
3.9 segmentLaneMarkerRidge：檢測(cè)灰度圖像中的車道 82
3.10 parabolicLaneBoundary：拋物線車道邊界模型 83
3.11 findParabolicLaneBoundaries：用拋物線模型尋找車道邊界 84
3.12 insertLaneBoundary：在圖像中插入車道邊界 86
3.13 cubicLaneBoundaryModel：三次方車道邊界模型 87
3.14 findCubicLaneBoundaries：用三次方模型尋找車道邊界 88
3.15 computeBoundaryModel：求車道邊界坐標(biāo)值 90
3.16 evaluateLaneBoundaries：評(píng)價(jià)車道邊界模型 91
3.17 vehicleDetectorACF： ACF車輛檢測(cè)器 92
3.18 detect： ACF目標(biāo)檢測(cè) 93
3.19 vehicleDetectorFasterRCNN： RCNN車輛檢測(cè)器 95
3.20 peopleDetectorACF： ACF行人檢測(cè)器 96
3.21 vision.PeopleDetector：基于HOG特征檢測(cè)行人 98
3.22 configureDetectorMonoCamera：單目攝像機(jī)目標(biāo)檢測(cè)器 99
3.23 trainACFObjecDetector：訓(xùn)練ACF目標(biāo)檢測(cè)器 101
3.24 trainFastRCNNObjectDetector：訓(xùn)練RCNN目標(biāo)檢測(cè)器 103
3.25 trainFasterRCNNObjectDetector：訓(xùn)練更快的RCNN目標(biāo)檢測(cè)器 105
3.26 trainYOLO v2ObjectDetector：訓(xùn)練YOLO v2目標(biāo)檢測(cè)器 106
3.27 objecDetectorTrainingData：目標(biāo)檢測(cè)器訓(xùn)練數(shù)據(jù) 108
3.28 insertMarker：插入標(biāo)記 109
3.29 pointCloud：創(chuàng)建三維點(diǎn)云 110
3.30 pcdenoise：去除三維點(diǎn)云噪聲 112
3.31 pcmerge：合并三維點(diǎn)云 113
3.32 pcnormals：估計(jì)三維點(diǎn)云表面法線 114
3.33 pctransform：三維點(diǎn)云變換 115
3.34 pcregistercpd：基于CPD的三維點(diǎn)云配準(zhǔn) 117
3.35 pcregistericp：基于ICP的三維點(diǎn)云配準(zhǔn) 118
3.36 pcregisterndt：基于NDT的三維點(diǎn)云配準(zhǔn) 120
3.37 pcsegdist：基于歐幾里得的點(diǎn)云分割 121
3.38 segmentLidarData：激光雷達(dá)數(shù)據(jù)分割 123
3.39 segmentGroundFromLidarData：激光雷達(dá)數(shù)據(jù)分割地面點(diǎn) 125
3.40 pcfitplane：三維點(diǎn)云平面擬合 126

第4章　路徑規(guī)劃　/ 129
4.1　vehicleCostmap：車輛成本圖 130
4.2 vehicleDimensions：車輛尺寸 132
4.3 checkFree：空閑區(qū)檢測(cè) 133
4.4 checkOccupied：占用區(qū)域檢測(cè) 134
4.5 getCosts：獲取單元格成本 136
4.6 setCosts：設(shè)置單元格成本 138
4.7 inflationCollisionChecker：碰撞檢測(cè) 139
4.8 pathPlannerRRT： RRT* 路徑規(guī)劃器 141
4.9 plan：路徑規(guī)劃 142
4.10 checkPathValidity：檢查路徑規(guī)劃的有效性 144
4.11 interpolate：沿路徑插入車輛姿態(tài) 145
4.12 smoothPathSpline：路徑平滑 146
4.13 lateralControllerStanley：橫向控制器 147

第5章　目標(biāo)跟蹤　/ 149
5.1　multObjectTracker：多目標(biāo)跟蹤器 150
5.2 objectDetection：單目標(biāo)檢測(cè)報(bào)告 151
5.3 getTrackPositions：獲取跟蹤位置 152
5.4 getTrackVelocities：獲取跟蹤速度 153
5.5 trackingKF：線性卡爾曼濾波器 155
5.6 predict：卡爾曼濾波器預(yù)測(cè) 156
5.7 correct：卡爾曼濾波器校正 157
5.8 initcvkf：勻速線性卡爾曼濾波器 158
5.9 initcakf：加速線性卡爾曼濾波器 159
5.10 trackingEKF：線性擴(kuò)展卡爾曼濾波器 160
5.11 initcvekf：勻速線性擴(kuò)展卡爾曼濾波器 161
5.12 initcaekf：加速線性擴(kuò)展卡爾曼濾波器 162
5.13 initctekf：轉(zhuǎn)向線性擴(kuò)展卡爾曼濾波器 163
5.14 trackingUKF：無跡卡爾曼濾波器 164
5.15 initcvukf：勻速無跡卡爾曼濾波器 166
5.16 initcaukf：加速無跡卡爾曼濾波器 167
5.17 initctukf：轉(zhuǎn)向無跡卡爾曼濾波器 168
5.18 constvel：勻速運(yùn)動(dòng)模型 169
5.19 constveljac：勻速運(yùn)動(dòng)的雅可比矩陣 170
5.20 cvmeas：勻速運(yùn)動(dòng)測(cè)量函數(shù) 171
5.21 cvmeasjac：勻速運(yùn)動(dòng)測(cè)量函數(shù)的雅可比矩陣 172
5.22 constacc：加速運(yùn)動(dòng)模型 173
5.23 constaccjac：加速運(yùn)動(dòng)的雅可比矩陣 174
5.24 cameas：加速運(yùn)動(dòng)測(cè)量函數(shù) 175
5.25 cameasjac：加速運(yùn)動(dòng)測(cè)量函數(shù)的雅可比矩陣 176
5.26 constturn：轉(zhuǎn)向運(yùn)動(dòng)模型 177
5.27 constturnjac：轉(zhuǎn)向運(yùn)動(dòng)的雅可比矩陣 178
5.28 ctmeas：轉(zhuǎn)向運(yùn)動(dòng)的測(cè)量函數(shù) 179
5.29 ctmeasjac：轉(zhuǎn)向運(yùn)動(dòng)測(cè)量函數(shù)的雅可比矩陣 180

第6章　綜合應(yīng)用實(shí)例　/ 182
6.1　汽車自動(dòng)行駛路線仿真 183
6.2 駕駛場(chǎng)景仿真 184
6.3 汽車前向碰撞仿真 187
6.4 汽車自動(dòng)避障仿真 188
6.5 基于視覺傳感器的多車輛檢測(cè)和跟蹤 190
6.6 基于激光雷達(dá)的地面和障礙物檢測(cè) 193

參考文獻(xiàn)　/ 196