无人驾驶之MATLAB无人驾驶工具箱学习(1)

更新完显卡驱动后，视频可以自动导入了，继续码。2018.08.11

1 坐标系转换

ADST（Automated Driving System Toolbox）中的坐标系

ADST中的坐标系：

• 世界坐标系（world），所有车辆及其传感器都建立其上的固定坐标系。
• 车辆(Vechicle)：固定在车身上。有代表性地，车辆坐标系建立在车辆后轴中点处的地面上。
• 传感器(Sensor)：明确具体的传感器，如相机或雷达等。
• spatial(空间坐标系?):明确被相机捕捉到的图像。空间坐标中的位置用像素单位进行表示。

世界坐标系

所有车辆、传感器及相关坐标系均建立在世界坐标系上。在全局路径规划、定位导航及驾驶情景生成中非常重要。

车辆坐标系

在ADST中，车辆坐标系固连在自主车辆(ego vehicle)上。术语“自主车辆（ego vehicle）”包含感知周围环境传感器的车辆。x轴为汽车前进的方向，y轴指向车辆前进方向的左侧，z轴垂直于地面向上，符合右手坐标系。坐标系原点位于后轴中点下方的大地上。坐标系的位置的单位用米表示。单个传感器的返回值被转换到车辆坐标系下，以使他们表示在同一个参考坐标系中。

在全局路径规划、定位及导航、驾驶场景生成中，车辆的状态可以用车辆的位姿[x,y,θ]表示。

传感器坐标系

一个自动驾驶系统可以包含位移车辆任何位置的多个传感器。每一个传感器坐标系的位置由其坐标系原点确定。如摄像头的坐标系原点位于镜头中心，z为沿着镜头的方向。

空间坐标系

空间坐标系可以以比像素坐标更小的粒度确定一个图像中的一个位置。在像素坐标系中，一个像素被认为是一个离散单元，唯一地被整数行列坐标确定，如(3,4)。在空间坐标系中，图像中的位置可按照部分像素(partial pixels)进行表示,如(3.3,4.7)。

更多空间坐标系信息可以参考“Spatial Coordinates”(Image Process ToolBox)。

2 地面实况标记及验证

时序自动算法(Temporal Automation Algorithms)

GTL(Ground Truth Labeler)app可以创建和导出特定自动算法，来自动标记数据。自动算法可是时间独立（time-independent ）也可以时间相关（ time-dependent）。时间独立算法，可以在每个时刻或每个图独立操作。时间相关则依赖于执行的时间戳。比如，跟踪算法（比如内置点跟踪器（build-in point tracker）），需要用到前一个时刻的跟踪才能跟踪当前时刻的物体。

类继承(Class Inheritance)

如果算法是实时的，需要继承类

vision.labeler.AutomationAlgorithm
vision.labeler.mixin.Temporal
// example
classdef MyCustomTemporalAlg<vision.labeler.AutomationAlgorithm && vision.labeler.mixin.Temporal

如果算法为时间独立的，需要继承类

vision.labeler.AutomationAlgorithm
// example
classdef MyCustomNonTemporalAlg < vision.labeler.AutomationAlgorithm

开启实时特性

继承类temporal mixin可以访问诸如StartTime