【实验目的】
- 了解Matlab/Simulink软件环境，熟悉Simulink建模步骤；
- 了解车辆运动控制的基本原理，学会简单的车辆运动控制建模及仿真；
- 了解自动驾驶建模的基本过程，了解典型ADAS系统模型的应用特点。
- 了解自动驾驶相关函数，认识自动驾驶函数的功能及用途。
【实验性质】
验证性实验。
【实验要求】
Matlab2020+软件。
【实验内容】
- 操作Matlab软件，学会进行Simulink图形化建模。
- 调试车辆运动控制模型。
- 学习典型ADAS系统，分析其功能模块组成。
- 调用自动驾驶函数进行自动驾驶场景仿真。
【实验步骤】
1、车辆运动控制建模学习
（1）打开的车辆纵向运动控制模型，如下图所示：
打开Simulink工具箱（即“Library Browser”），在工具箱中查找模型中的图形符号，学习工具箱中模型库的使用方法。
运行上面的模型，查看并保存运行结果，选取两个运行结果截图贴在下面区域。
模块（示波器）名称： scope2 | 模块（示波器）名称： scope3 |
 |  |
2、高级驾驶辅助系统（ADAS）建模学习
展开自动驾驶工具箱，可以发现里面有很多Matlab自带的案例，选择其一打开，分析其组成及执行过程。
3、自动驾驶场景练习
（1）模拟一辆汽车在S形道路上运动
在Matlab命令行窗口输入以下命令，在表格右列补充完善代码注释（手工书写）：
s=drivingScenario; roadCenters=[-35,20,0;-20,-20,0;0,0,0;20,20,0;35,-20,0]; lm=[laneMarking(‘Solid’,’Color’,’w’); … laneMarking(‘Dashed’,’Color’,’y’);… laneMarking(‘Dashed’,’Color’,’y’);… laneMarking(‘Solid’,’Color’,’w’)]; ls=lanespec(3,’Marking’,lm); road(s, roadCenters, ‘Lanes’, ls); car=vehicle(s, ‘ClassID’,1,’Position’,[-35,20,0]); waypoints=[-35,20,0;-20,-20,0; 0,0,0;20,20,0; 35,-20,0]; speed=10; trajectory(car, waypoints, speed); plot(s); while advance(s) lbdry=laneBoundaries(car); end | %定义驾驶场景 %设置道路中心 %设置车道标线 %设置车道规范 %在驾驶场景中添加道路 %在驾驶场景中添加静止车辆 %在驾驶场景中添加运动车辆 %设置车辆航路点 %设置车速 %创建车辆轨迹 %绘制驾驶场景 %仿真循环开始 %显示车辆边界 %仿真结束 |
| 姿态： ActorID：参与者标识 Position：参与者位置（单位m） Velocity：速度（单位m/s） Roll：横滚角（度） Pitch：俯仰角（度） Yaw：偏航角（度） AngularVelocity：角速度（度/s） |
运行结果如下图所示：
（2）模拟静止车辆和运动车辆在道路上行驶。
在Matlab命令行窗口输入以下命令，在表格右列补充完善代码注释（手工书写）：
s=drivingScenario; roadCenters=[0,0; 10,0; 53,-20]; road(s, roadCenters, ‘Lanes’, lanespec(2)); stationaryCar=vehicle(s, ‘Position’,[25,-5.5,0], ‘Yaw’,-22); passingCar=vehicle(s); waypoints=[1,-1.5; 16.4,-2.5; 17.4,-2.8; 23.8,-2; 25,-2.5; 50,-16]; speed=5; trajectory(passingCar, waypoints, speed); plot(s, ‘Waypoints’, ‘on’); rec=record(s); rec(1).ActorPoses(2); rec(end).ActorPoses(2); ans %while advance(s) % pause(0.01); %end %poses=actorPoses(s); | %定义驾驶场景 %设置道路中心 %在驾驶场景中添加道路 %在驾驶场景中添加静止车辆 %在驾驶场景中添加运动车辆 %设置车辆航路点 %设置车速 %创建车辆轨迹 %绘制驾驶场景 %运行场景并记录 %显示车辆模拟开始姿态 %显示车辆模拟结束姿态 %姿态结构 %仿真循环开始 %停顿时间 %仿真结束 %获取交通参与者姿态 |
 | 姿态： ActorID：参与者标识 Position：参与者位置（单位m） Velocity：速度（单位m/s） Roll：横滚角（度） Pitch：俯仰角（度） Yaw：偏航角（度） AngularVelocity：角速度（度/s） |
运行结果如下图所
4、停车场路径规划
- 停车场停车路径规划（基于碰撞的路径规划）
在Matlab安装目录中搜索 parkingLotCostmap.mat 文件所在路径，并将该目录在Matlab地址栏中打开（设为当前路径）
在Matlab命令行窗口输入以下命令，在表格右列补充完善代码注释（手工书写）：
data = load(‘parkingLotCostmap.mat‘); costmap = data.parkingLotCostmap; figure; plot(costmap); vehicleDims = vehicleDimensions(4.5, 1.7); numCircles = 3; ccConfig = inflationCollisionChecker(vehicleDims, numCircles); costmap.CollisionChecker = ccConfig; figure; plot(costmap); startPose = [11, 10, 0]; goalPose = [31.5, 17, 90]; planner = pathPlannerRRT(costmap); refPath = plan(planner, startPose, goalPose); hold on; plot(refPath); | %加载停车场文件 %下载车辆成本图 %设置图形窗口 %绘制车辆成本图 %设置车辆尺寸 %圆圈数 %检测碰撞 %重新配置成本图 %设置图形窗口 %绘制车辆成本图 %设置初始姿态 %设置目的姿态 %绘制车辆成本图 %设置初始姿态 %设置目的姿态 %创建路径规划器 %路径规划 %保存图形 %绘制路径规划 |
运行结果如下图所示：
- 驶出停车场路径规划（验证路径规划）
在Matlab安装目录中搜索 parkingLotCostmap.mat 文件所在路径，并将该目录在Matlab地址栏中打开（设为当前路径）。
在Matlab命令行窗口输入以下命令，在表格右列补充完善代码注释（手工书写）：
data = load(‘parkingLotCostmap.mat‘); costmap = data.parkingLotCostmap; plot(costmap); startPose = [4,4,90]; goalPose = [70,35,0]; planner = pathPlannerRRT(costmap); refPath = plan(planner, startPose, goalPose); isPathValid = checkPathValidity(refPath,costmap); transitionPoses = interpolate(refPath); hold on; plot(refPath,’DisplayName’,’Planned Path’); scatter(transitionPoses(:,1),transitionPoses(:,2),[],’filled’, ‘DisplayName’,’过渡姿态’); | %加载停车场文件 %下载车辆成本图 %绘制车辆成本图 %设置初始姿态 %设置目的姿态 %创建路径规划器 %路径规划 %保存图形 %绘制路径规划 %绘制过渡姿态 |
运行结果如下图所示：
