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 獲取汽車的相關數據之后，啟動matplotlib繪制線程，將Carla提供的數據輸進模型，再從matlab的worksapce通過接口獲取輸出結果并繪制。

python調用仿真模型

Matlab提供python API供外部調用，本文將需要使用的matlab功能封裝成類的形式進行調用。Matlab class用于連接Matlab軟件并對模型輸入數據獲取輸出結果，其中connectToMatlab方法通過Matlab命令行啟動Simulink運行仿真模型，simulate方法用于把數據輸入模型，之后將輸出結果以數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，實現用戶輸入和Carla服務端交互的各種功能，再將最新的結果渲染并繪制到pygame的用戶界面中。初始需要先將Carla服務端啟動，暴露本地2000端口用于客戶端連接。獲取到初始化的 pygame.display實例后進入循環渲染階段，此時鍵盤的輸入作為pygame的事件觸發parse_events方法調用

數據提取

建模部分提到，simulink CAN 仿真模型主要傳輸的是車速、轉向角、檔位三種數據報文。所有的數據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，檔位的判斷依據汽車的行駛狀態來定，因此檔位的數據源需要汽車車速和倒車參數來判定。

轉向角度：轉向角可以直接從實例中獲取。

實時數據展示

上文已經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果時，該結果是以數組的形式記錄從仿真開始到當前時間的所有結果，所以每次獲取到結果后都需要重新依據新的數據樣本進行繪制，由于python是Carla和Simulink數據傳輸的媒介，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庫以實現該需求。

繪制代碼實現

由于繪制的是模型的輸出結果，現針對輸出的車速數據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的方法集中到Draw類里。

實時仿真并繪制

本部分將結合前面的實驗結果，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，汽車的速度變化曲線在圖像中持續不斷地刷新，直到60秒到為止。

從圖中可以看出，經過仿真模型模擬出來的速度數據和原數據基本一致，說明模型的CAN報文解封裝過程順利執行，但是在車速的轉折點存在模型的模擬結果比原數據更平滑的問題，很明顯是由于原數據輸入過于頻繁，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無正確模擬結果輸出。

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，對應參數為17和20，泊車后發送單個P檔位報文，到車輛開始直行這段時間不發送任何報文，直行后會依據汽車的速度反饋不斷發送D檔位報文。從圖中可以看出，由于原數據變化的不是非常頻繁，模型模擬出來的結果完全匹配了原數據，說明輸入頻率遠小于模型采樣頻率會使模擬結果貼合預期結果。

轉向角度實時變化

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

小結

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

fqj