MATLAB 自动驾驶工具箱（ Automated Driving Toolbox）简介

这几年自动驾驶风生水起，很多公司都想在这个行业分一杯羹。自2017年，MathWorks公司也顺势推出了MATLAB 自动驾驶工具箱，并且每年都有更新，下面简单来了解和总结下MATLAB自动驾驶工具箱的主要功能。

1 概况

MathWorks公司官网关于该工具箱的介绍主要如下：

自动驾驶工具箱™ 主要为ADAS（辅助驾驶系统）和自动驾驶系统提供了设计、模拟和测试的算法和工具。用户可以设计和测试视觉、激光和雷达感知系统，传感器融合、路径规划以及车辆控制器。提供了可视化工具：用于传感器覆盖、检测和跟踪的鸟瞰图，以用于视频、激光雷达和地图的显示。工具箱允许导入和使用这里的高清实时地图数据和 OpenDRIVE®道路网络。

使用Ground Truth Labeler App，用户可以自动标记ground truth（真值），以训练和评估感知算法；对于硬件在环（HIL）测试和感知、传感器融合、路径规划和控制逻辑的桌面仿真，也可以生成和模拟驾驶场景。可以在照片级真实感三维环境中模拟相机、雷达和激光雷达传感器的输出，并在2.5-D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ADAS和自动驾驶功能（包括FCW、AEB、ACC、LKA和泊车代客泊车）提供参考应用示例。该工具箱支持C/C++代码，可以生成用于快速原型和HIL测试，并且支持传感器融合、跟踪、路径规划和车辆控制器的应用级算法。

官方图文链接：https://www.mathworks.com/products/automated-driving.html

2 功能

2.1 真值打标签（Ground Truth Labeling）

2.1.1 自动打标签

使用Ground Truth Labeling App进行交互式和自动化地面真相标签，以便于目标检测、语义分割和场景分类。

2.1.2 测试感知算法

通过与真值进行对比，测试感知输出的正确性。

2.2 驾驶场景仿真（Driving Scenario Simulation）

2.2.1长方体驱动仿真 （Cuboid Driving Simulation）

从雷达和摄像头传感器模型生成合成检测，并将这些检测合并到驾驶场景中，使用基于长方体的仿真模拟器测试自动驾驶算法。使用驾驶场景设计器App定义道路网络、道路参与者（汽车、行人、自行车、障碍物等等）和传感器。引进预建的欧洲NCAP测试和OpenDRIVE道路网。

2.2.2虚拟引擎驱动场景仿真（Unreal Engine Driving Scenario Simulation）

使用Epic Games®的Unreal Engine®渲染的3D模拟环境中开发、测试和可视化驾驶算法。

2.3 基于计算视觉和雷达的感知（Perception with Computer Vision and Lidar）

2.3.1视觉系统设计（Vision System Design）

开发用于检测汽车、行人、道路和分类的计算机视觉算法。

2.3.2激光雷达处理（Lidar Processing）

使用激光雷达数据来检测障碍物和segment ground planes（待析）。

2.4 跟踪和传感器融合（Tracking and Sensor Fusion）

物体跟踪和多传感器算法，在物体检测和跟踪的基础上提供鸟瞰图。

2.5 地形匹配（Geographic Mapping）

2.5.1获取HERE在线地图（Accessing HERE HD Live Map Data）

通过网络服务直接读取HERE（国外的地图服务商）的高清地图，地图信息包含了详细的道路、车道和定位信息。

2.5.2 地图可视化

使用 streaming coordinate 绘制车辆行驶时的位置。

2.6 决策规划和控制

使用车辆costmap和运动规划算法规划驾驶路径。

小结

本想根据MATLAB官网关于自动驾驶工具箱的相关文章和个人的试用情况做个相关简介，但写着写着发现其实官网写的已经很全了，干脆将官网的两篇文章混杂在一块儿半翻译下来了，试用情况后续文章中再跟上。

参考

主要参考了官网两篇文档：

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

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