標注：本文來自本實驗室單超的研究成果。

整體思路：仿真模型通過python打開并運行之后，會啟動Carla， 使用Carla API 獲取汽車的相關(guān)數(shù)據(jù)之后，啟動matplotlib繪制線程，將Carla提供的數(shù)據(jù)輸進模型，再從matlab的worksapce通過接口獲取輸出結(jié)果并繪制。

python調(diào)用仿真模型

Matlab提供python API供外部調(diào)用，本文將需要使用的matlab功能封裝成類的形式進行調(diào)用。Matlab class用于連接Matlab軟件并對模型輸入數(shù)據(jù)獲取輸出結(jié)果，其中connectToMatlab方法通過Matlab命令行啟動Simulink運行仿真模型，simulate方法用于把數(shù)據(jù)輸入模型，之后將輸出結(jié)果以數(shù)組形式存入實例變量中。

python控制Carla客戶端

python腳本啟動的Carla客戶端以pygame庫作為媒介，實現(xiàn)用戶輸入和Carla服務(wù)端交互的各種功能，再將最新的結(jié)果渲染并繪制到pygame的用戶界面中。初始需要先將Carla服務(wù)端啟動，暴露本地2000端口用于客戶端連接。獲取到初始化的 pygame.display實例后進入循環(huán)渲染階段，此時鍵盤的輸入作為pygame的事件觸發(fā)parse_events方法調(diào)用

數(shù)據(jù)提取

建模部分提到，simulink CAN 仿真模型主要傳輸?shù)氖擒囁?、轉(zhuǎn)向角、檔位三種數(shù)據(jù)報文。所有的數(shù)據(jù)來源于以下三個實例：

車速：車速V（km/h）計算方式為 V = 3.6 * √（x^2 + y^2 + z^2 ） （其中x、y、z表示前/后、左/右、上/下方向的速度矢量，單位為m/s）。

檔位：檔位共分為R、P、D三檔，分別代表倒車、停車、直行，檔位的判斷依據(jù)汽車的行駛狀態(tài)來定，因此檔位的數(shù)據(jù)源需要汽車車速和倒車參數(shù)來判定。

轉(zhuǎn)向角度：轉(zhuǎn)向角可以直接從實例中獲取。

實時數(shù)據(jù)展示

上文已經(jīng)解決了模型實時輸入實時輸出問題，那么當獲取到仿真模型的輸出結(jié)果時，該結(jié)果是以數(shù)組的形式記錄從仿真開始到當前時間的所有結(jié)果，所以每次獲取到結(jié)果后都需要重新依據(jù)新的數(shù)據(jù)樣本進行繪制，由于python是Carla和Simulink數(shù)據(jù)傳輸?shù)拿浇?，因此最好的解決方案是基于python的繪圖工具實時繪制。本文采用python Matplotlib庫以實現(xiàn)該需求。

繪制代碼實現(xiàn)

由于繪制的是模型的輸出結(jié)果，現(xiàn)針對輸出的車速數(shù)據(jù)繪制相應的實時變化曲線，為了做到良好的代碼風格，增加代碼復用率，本文將一系列繪制相關(guān)的方法集中到Draw類里。

實時仿真并繪制

本部分將結(jié)合前面的實驗結(jié)果，將所有對接Carla的python模塊、對接Matlab/Simulink的python模塊、實時繪制相關(guān)的python模塊都組合起來運行。

車速實時變化

實時模擬時長為60秒，60秒內(nèi)，汽車的速度變化曲線在圖像中持續(xù)不斷地刷新，直到60秒到為止。

從圖中可以看出，經(jīng)過仿真模型模擬出來的速度數(shù)據(jù)和原數(shù)據(jù)基本一致，說明模型的CAN報文解封裝過程順利執(zhí)行，但是在車速的轉(zhuǎn)折點存在模型的模擬結(jié)果比原數(shù)據(jù)更平滑的問題，很明顯是由于原數(shù)據(jù)輸入過于頻繁，兩個相鄰的輸入時間間隔小于模型最小采樣時間，而采樣時間不能進一步縮小，否則會導致該時間段內(nèi)無正確模擬結(jié)果輸出。

檔位實時變化

時長為60秒，手動控制汽車行駛，共嘗試兩個檔位，P和D、分別代表泊車和直行，對應參數(shù)為17和20，泊車后發(fā)送單個P檔位報文，到車輛開始直行這段時間不發(fā)送任何報文，直行后會依據(jù)汽車的速度反饋不斷發(fā)送D檔位報文。從圖中可以看出，由于原數(shù)據(jù)變化的不是非常頻繁，模型模擬出來的結(jié)果完全匹配了原數(shù)據(jù)，說明輸入頻率遠小于模型采樣頻率會使模擬結(jié)果貼合預期結(jié)果。

轉(zhuǎn)向角度實時變化

時長60秒，手動控制汽車行駛，并控制輪胎左右轉(zhuǎn)向，向左角度為負，向右角度為正，值位于［-100， 100］區(qū)間內(nèi)。由圖可知，轉(zhuǎn)向角變化數(shù)據(jù)更新十分頻繁，仿真模型在處理大量的輸入時必然會卡頓并拋棄大量數(shù)據(jù)，使得模擬結(jié)果沒有很好地貼合原數(shù)據(jù)，因此在高頻輸入的前提下，模型模擬結(jié)果無法完全貼合預期。

小結(jié)

本文介紹了基于Carla自動駕駛模擬仿真平臺構(gòu)造Simulink CAN仿真模型并結(jié)合python API及其繪圖工具庫matplotlib的一整套實時仿真流程的設(shè)計和實現(xiàn)細節(jié)，實際模擬了虛擬汽車車速，檔位、轉(zhuǎn)向角度三個信息在CAN中的解封裝和傳遞。發(fā)現(xiàn)在低頻的數(shù)據(jù)輸入場景下，模型能做到貼合實際結(jié)果，而在高頻輸入數(shù)據(jù)場景下，模型容易運行卡頓并在多個時間點輸出無效數(shù)據(jù)，拋棄這些數(shù)據(jù)后模擬結(jié)果相對于預期結(jié)果顯得平滑，無法體現(xiàn)預期結(jié)果中的峰值。

fqj