章 驾驶场景 / 1
1.1 drivingScenario：创建驾驶场景 2
1.2 plot：绘制驾驶场景 3
1.3 road：添加道路 4
1.4 roadNetwork：添加道路网 5
1.5 roadBoundaries：道路边界 6
1.6 laneMarking：车道标线 8
1.7 laneMarkingVertices：车道标线顶点 10
1.8 laneType：车道类型 12
1.9 lanespec：车道规范 13
1.10 vehicle：添加车辆 14
1.11 actor：添加交通参与者 17
1.12 trajectory：交通参与者轨迹 19
1.13 actorPoses：交通参与者姿态 20
1.14 actorProfiles：交通参与者特性 22
1.15 currentLane：当前车道 23
1.16 record：交通参与者状态记录 25
1.17 chasePlot：绘制追逐图 26
1.18 laneBoundaries：车道边界 28
1.19 clothoidLaneBoundary：回旋线车道边界模型 31
1.20 computeBoundaryModel：计算车道边界点 33
1.21 targetPoses：目标姿态 34
1.22 targetOutlines：目标轮廓 35
1.23 updatePlots：更新驾驶场景图 37
1.24 radarDetectionGenerator：雷达检测器 38
1.25 visionDetetionGenerator：视觉检测器 41

第2章 鸟瞰图 / 45
2.1 birdsEyePlot：创建鸟瞰图 46
2.2 coverageAreaPlotter：覆盖区绘图仪 47
2.3 plotCoverageArea：绘制覆盖区 48
2.4 detectionPlotter：检测绘图仪 49
2.5 plotDetection：绘制目标检测 50
2.6 laneBoundaryPlotter：车道边界绘图仪 52
2.7 plotLaneBoundary：绘制车道边界 53
2.8 laneMarkingPlotter：车道标线绘图仪 54
2.9 plotLaneMarking：绘制车道标线 56
2.10 pathPlotter：路径绘图仪 58
2.11 plotPath：绘制路径 59
2.12 trackPlotter：轨迹绘图仪 61
2.13 plotTrack：绘制轨迹 62
2.14 outlinePlotter：轮廓绘图仪 63
2.15 plotOutline：绘制轮廓 65
2.16 findPlotter：查找绘图仪 66
2.17 clearPlotterData：清除绘图仪数据 68
2.18 clearData：清除特定绘图仪数据 69

第3章 环境感知 / 71
3.1 monoCamera：配置单目摄像机 72
3.2 imageToVehicle：图像坐标转换为车辆坐标 73
3.3 vehicleToImage：车辆坐标转换为图像坐标 75
3.4 estimateMonoCameraParameters：单目摄像机外部参数 75
3.5 birdsEyeview：利用逆透视变换创建鸟瞰图对象 77
3.6 transformImage：将图像转换为鸟瞰图像 78
3.7 imageToVehicle：将鸟瞰图像坐标转换为车辆坐标 79
3.8 vehicleToImage：将车辆坐标转换为鸟瞰图像坐标 81
3.9 segmentLaneMarkerRidge：检测灰度图像中的车道 82
3.10 parabolicLaneBoundary：抛物线车道边界模型 83
3.11 findParabolicLaneBoundaries：用抛物线模型寻找车道边界 84
3.12 insertLaneBoundary：在图像中插入车道边界 86
3.13 cubicLaneBoundaryModel：三次方车道边界模型 87
3.14 findCubicLaneBoundaries：用三次方模型寻找车道边界 88
3.15 computeBoundaryModel：求车道边界坐标值 90
3.16 evaluateLaneBoundaries：评价车道边界模型 91
3.17 vehicleDetectorACF： ACF车辆检测器 92
3.18 detect： ACF目标检测 93
3.19 vehicleDetectorFasterRCNN： RCNN车辆检测器 95
3.20 peopleDetectorACF： ACF行人检测器 96
3.21 vision.PeopleDetector：基于HOG特征检测行人 98
3.22 configureDetectorMonoCamera：单目摄像机目标检测器 99
3.23 trainACFObjecDetector：训练ACF目标检测器 101
3.24 trainFastRCNNObjectDetector：训练RCNN目标检测器 103
3.25 trainFasterRCNNObjectDetector：训练更快的RCNN目标检测器 105
3.26 trainYOLO v2ObjectDetector：训练YOLO v2目标检测器 106
3.27 objecDetectorTrainingData：目标检测器训练数据 108
3.28 insertMarker：插入标记 109
3.29 pointCloud：创建三维点云 110
3.30 pcdenoise：去除三维点云噪声 112
3.31 pcmerge：合并三维点云 113
3.32 pcnormals：估计三维点云表面法线 114
3.33 pctransform：三维点云变换 115
3.34 pcregistercpd：基于CPD的三维点云配准 117
3.35 pcregistericp：基于ICP的三维点云配准 118
3.36 pcregisterndt：基于NDT的三维点云配准 120
3.37 pcsegdist：基于欧几里得的点云分割 121
3.38 segmentLidarData：激光雷达数据分割 123
3.39 segmentGroundFromLidarData：激光雷达数据分割地面点 125
3.40 pcfitplane：三维点云平面拟合 126

第4章 路径规划 / 129
4.1 vehicleCostmap：车辆成本图 130
4.2 vehicleDimensions：车辆尺寸 132
4.3 checkFree：空闲区检测 133
4.4 checkOccupied：占用区域检测 134
4.5 getCosts：获取单元格成本 136
4.6 setCosts：设置单元格成本 138
4.7 inflationCollisionChecker：碰撞检测 139
4.8 pathPlannerRRT： RRT* 路径规划器 141
4.9 plan：路径规划 142
4.10 checkPathValidity：检查路径规划的有效性 144
4.11 interpolate：沿路径插入车辆姿态 145
4.12 smoothPathSpline：路径平滑 146
4.13 lateralControllerStanley：横向控制器 147

第5章 目标跟踪 / 149
5.1 multObjectTracker：多目标跟踪器 150
5.2 objectDetection：单目标检测报告 151
5.3 getTrackPositions：获取跟踪位置 152
5.4 getTrackVelocities：获取跟踪速度 153
5.5 trackingKF：线性卡尔曼滤波器 155
5.6 predict：卡尔曼滤波器预测 156
5.7 correct：卡尔曼滤波器校正 157
5.8 initcvkf：匀速线性卡尔曼滤波器 158
5.9 initcakf：加速线性卡尔曼滤波器 159
5.10 trackingEKF：线性扩展卡尔曼滤波器 160
5.11 initcvekf：匀速线性扩展卡尔曼滤波器 161
5.12 initcaekf：加速线性扩展卡尔曼滤波器 162
5.13 initctekf：转向线性扩展卡尔曼滤波器 163
5.14 trackingUKF：无迹卡尔曼滤波器 164
5.15 initcvukf：匀速无迹卡尔曼滤波器 166
5.16 initcaukf：加速无迹卡尔曼滤波器 167
5.17 initctukf：转向无迹卡尔曼滤波器 168
5.18 constvel：匀速运动模型 169
5.19 constveljac：匀速运动的雅可比矩阵 170
5.20 cvmeas：匀速运动测量函数 171
5.21 cvmeasjac：匀速运动测量函数的雅可比矩阵 172
5.22 constacc：加速运动模型 173
5.23 constaccjac：加速运动的雅可比矩阵 174
5.24 cameas：加速运动测量函数 175
5.25 cameasjac：加速运动测量函数的雅可比矩阵 176
5.26 constturn：转向运动模型 177
5.27 constturnjac：转向运动的雅可比矩阵 178
5.28 ctmeas：转向运动的测量函数 179
5.29 ctmeasjac：转向运动测量函数的雅可比矩阵 180

第6章 综合应用实例 / 182
6.1 汽车自动行驶路线仿真 183
6.2 驾驶场景仿真 184
6.3 汽车前向碰撞仿真 187
6.4 汽车自动避障仿真 188
6.5 基于视觉传感器的多车辆检测和跟踪 190
6.6 基于激光雷达的地面和障碍物检测 193

参考文献 / 196

《MATLAB自动驾驶函数及应用》详细介绍了MATLAB用于汽车自动驾驶仿真的函数及应用，涵盖驾驶场景、鸟瞰图、环境感知、路径规划和目标跟踪共125个函数，每个函数都给出了应用实例。书中所涉及的实例，都提供了原程序，并对程序进行了注释，方便读者快速理解和掌握。本书内容丰富，图文并茂，通俗易懂，实用性强，可作为从事自动驾驶及智能网联汽车开发的工程技术人员及相关专业的本科生、研究生的参考用书，也可供MATLAB应用爱好者阅读学习。