基于MATLAB和SIMULINK开发ADAS和智能驾驶

自动驾驶工具箱为设计、模拟和测试ADAS和自动驾驶系统提供算法和工具。可以设计和测试视觉和激光雷达感知系统，以及传感器融合、路径规划和车辆控制器。可视化工具包括鸟瞰图和传感器覆盖范围、检测和跟踪的范围，以及视频、激光雷达和地图的显示。工具箱可以让你导入并使用HERE高清实时地图数据和OpenDRIVE道路网络。

使用地面实况标签程序，可以自动标记地面实况以训练和评估感知算法。对于感知、传感器融合、路径规划和控制逻辑的硬件在环（HIL）测试和桌面模拟，你可以生成和模拟驾驶场景。你可以在逼真的三维环境中模拟摄像头、雷达和激光雷达传感器的输出，在2.5维模拟环境中模拟传感器对物体和车道边界的检测。

自动驾驶工具箱为常见的ADAS和自动驾驶功能提供参考应用实例，包括前方碰撞警告、自主紧急制动、自适应巡航控制、车道保持辅助和停车代客。该工具箱支持C/C++代码生成，用于快速原型设计和HIL测试，支持传感器融合、跟踪、路径规划和车辆控制器算法。

使用参考应用程序作为开发自动驾驶功能的基础。自动驾驶工具箱包括前方碰撞警告（FCW）、车道保持辅助（LKA）和自动停车代客的参考应用。

驾驶场景仿真：编写驾驶场景，使用传感器模型，并生成合成数据，在仿真环境中测试自动驾驶算法。

3D驾驶场景仿真：从雷达和相机传感器模型生成合成检测数据，并将这些检测数据纳入驾驶场景，用基于3D的仿真测试自动驾驶算法。使用驾驶场景设计器应用程序定义道路网络、角色和传感器。输入预先构建的欧洲NCAP测试和OpenDRIVE道路网络。

地面真值标签：自动标注地面真实数据，并将被测算法的输出与地面真实数据进行比较。使用地面实况标签程序进行交互式自动地面实况标签，以促进物体检测、语义分割和场景分类。

测试感知算法：通过比较地面真实数据和算法输出，评估感知算法的性能。

用计算机视觉和激光雷达感知：开发和测试用于自动驾驶的视觉和激光雷达处理算法。开发用于车辆和行人检测、车道检测和分类的计算机视觉算法。

使用激光雷达数据来检测障碍物和分割地面平面。

传感器融合和跟踪：使用卡尔曼滤波器的多目标跟踪框架进行多传感器融合。

地图：从HERE高清实时地图服务中获取并可视化高清地图数据。在流媒体地图查看器上显示车辆和物体的位置。

访问HERE高清实时地图数据：

从HERE高清实时地图网络服务读取地图数据，包括包含详细道路、车道和定位信息的平铺地图层。

路径规划：用车辆成本图和运动规划算法规划驾驶路径。

车辆控制器：使用横向和纵向的控制器来遵循计划的轨迹。