铁路应用车载多传感器应用程序原型开发

• 使用灵活的I/O集成激光雷达、雷达等车载传感器，并利用大型组件库连接数据和通信总线
• 在为多传感器应用设计的直观图形用户界面中，使用基于模块的框架，更快地开发应用程序
• 可随意用C/C++或Python开发，轻松包含基于Python的AI算法，获取更可靠的解决方案
• 将RTMaps与AUTERA相结合，进行恶劣环境下的高性能原型开发，根据您的具体需求量身定制

任务

铁路运输是帮助我们节约自然能源和实现全球气候目标的重要途径。由于采用我们从汽车领域了解的先进驾驶辅助系统，乘坐火车或电车变得越来越安全、舒适。未来的轨道车辆将配备传感器和宽带通信，从而更快地检测潜在危险，在由于天气条件导致能见度降低的危险情况下以及靠近或离开车站时，提示驾驶员或列车自动控制系统采取措施。此外，先进的座舱监控系统将关注驾驶员和乘客的身体健康和驾驶舒适性。

挑战

未来列车的驾驶员辅助系统多传感器应用程序通常将连接车载传感器，如远程雷达和激光雷达传感器，它们将提供与交通基础设施的宽带无线通信和GNSS定位等功能。因此，这些应用程序需要实时以时间关联的方式处理异步数据流。传感器融合是构建可靠环境模型的关键步骤，这些传感器数据需要同步。将使用具备红外功能和人工智能（AI）功能的特定摄像头来观察和评估驾驶员的行为。

解决方案

铁路应用日益复杂，需要传感器集成、人工智能和边缘计算，这就需要经过现场测试的开发工具，您可以专注于实际任务，同时接手其余的工作，例如管理系统组件之间的通信。

有了RTMaps（实时多传感器应用程序）开发和执行框架，您可以轻松集成车辆传感器、I/O、数据和通信总线，使用数百个现成的组件。只需点击几下，就可以利用基于模块的用户友好方法来集成算法，连接所有必要的接口，如摄像头、雷达、激光雷达或 GNSS，更快、更直观地进行开发。RTMaps以时间关联方式处理异步传感器数据流，需要时支持同步。除了C/C++，开发框架本身支持Python脚本语言，该语言广泛用于AI算法开发，可以快速集成深度学习功能，满足高度稳健的座舱监测功能的苛刻要求。RTMaps与多核和多传感器系统协作，充分利用可以在Linux、Windows 或 QNX等不同嵌入式平台上执行的应用程序。它还支持性能出众又可靠的AUTERA原型开发平台。该模块化平台有诸多接口和配置选项，专为恶劣环境下的操作而设计。