Progettazione, simulazione e test di sistemi di guida autonomi con MATLAB e Simulink

Gli ingegneri del settore automotive utilizzano MATLAB® e Simulink® per progettare le funzionalità dei sistemi di guida autonomi.

Accedi a questa raccolta di risorse con video, articoli tecnici e altro ancora per scoprire come MATLAB e Simulink possono aiutarti ad affrontare le seguenti problematiche:

  • Come analizzare e sintetizzare i dati?
  • Come progettare e implementare gli algoritmi?
  • Come integrare e testare i sistemi?

Scenari di analisi e sintesi

Visualizzare la copertura del sensore, i rilevamenti e le traiettorie con un grafico Bird's Eye
Simulare uno scenario di guida cuboide con l'applicazione Driving Scenario Designer (5:09)
Simulazione 3D per la guida autonoma con Unreal Engine
Generare scenari dai dati registrati del veicolo
Etichettare immagini e video con Ground Truth Labeler (6:04)

Percezione

Percezione con Computer Vision e Lidar
Simulazione ed elaborazione del segnale radar per la guida autonoma
Generazione e distribuzione del codice CUDA per il rilevamento di oggetti su NVIDIA Jetson (2:25)
Esempi di sensor fusion e tracking
Capire il sensor fusion e il tracking, Parte 1: Che cos’è un sensor fusion ? (12:34)

Pianificazione e controllo

Progettare, simulare e implementare algoritmi di pianificazione delle traiettorie con Navigation Toolbox (1:50)
Esempio di un sistema di parcheggio autonomo
Informazioni sul controllo predittivo del modello, parte 1: perché utilizzare MPC? (4:50)
Adaptive Cruise Control e sensor fusion utilizzando il controllore predittivo (6:00)

Integrazione e test

Integrazione con Robotic Operating System (ROS)
Simulazione della dinamica laterale e longitudinale di un veicolo (9:13)
Automatizzare i test per il rilevamento della corsia
Master Class: Progettazione e moduli di prova per il processo decisionale, la pianificazione e il controllo delle traiettorie in scenari di traffico (44:32)

Casi dei clienti ed Esempi

Ricardo: Simulazione del comfort dei passeggeri e del malessere da movimento nei veicoli autonomi (23:54)
Caterpillar: Big Data, analisi dei dati e infrastruttura per il machine/deep learning (18:47)
Autoliv: Annotazione automatizzata della nuvola di punti LiDAR per la verifica dei sensori (14:05)
Centro Tecnico Europeo di Tata Motors: Accelerare lo sviluppo di algoritmi di controllo per veicoli autonomi con il Model-Based Design
Voyage Auto: Sviluppo di controlli longitudinali per taxi autonomi
Hitachi: Sviluppo del controllore predittivo per Adaptive Cruise Control
Università Tecnologica di Monaco: Un ambiente di simulazione in tempo reale per veicoli autonomi in scenari di guida dinamica (23:47)
Esempi: Applicazioni di guida autonoma con Model Predictive Control