Perception och navigering av automatiserade körsystem med hjälp av kamera, LiDAR och maskininlärning

Detta är en Kandidat-uppsats från Göteborgs universitet/Institutionen för data- och informationsteknik

Sammanfattning: Automatiserade körsystem är och fortsätter att vara ett forskningsområde där utveckling och framsteg sker. Anledningar till att detta är ett intressant och viktigt forskningsområde är bland annat att säkerhets- och miljöaspekten förväntas ha en positiv inverkan på samhället om automatiserade körsystem kan realiseras. Det finns två huvudsakliga problem att lösa för att uppnå ett fullt automatiserat körsystem. För det första krävs ett tillförlitligt kooperativt system som ger de autonoma fordonen möjligheten att kommunicera både sinsemellan och med extern infrastruktur. Sedan krävs även ett robust och tillförlitligt autonomt system som säkerställer att fordonet inte är beroende av infrastruktur eller kommunikation mellan andra autonoma fordon. Detta projekt har behandlat utvecklingen och evalueringen av en autonom systemarkitektur, som ej är beroende av någon utomstående infrastruktur eller kooperativa system. Systemarkitekturen evaluerades i en trafikmiljö med nedskalade lastbilsmodeller som är utrustade med inbyggda datorer, kameror samt LiDAR. Resultaten av evalueringen visar att med hjälp av hårdvaran kan lastbilen färdas autonomt i trafikmiljön på ett säkert sätt. Förutsatt att det finns en kantlinje på banan och bredden för körfältet är känd. Genom användningen av bildbehandling kan lastbilen beräkna vägbanans utformning samt sin egen position i relation till vägen. Resultaten visar att algoritmer baserade på maskininlärning kan användas för att öka säkerheten genom att detektera andra lastbilar inom trafikmiljön. Ihop med en LiDAR-enhet kan de detekterade objekten även avståndsmätas.

  HÄR KAN DU HÄMTA UPPSATSEN I FULLTEXT. (följ länken till nästa sida)