Evaluering och utveckling av bildbaserade positioneringssystemför självkörande skalade fordon

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

Sammanfattning: Den här rapporten evaluerar olika strategier för autonom positionsbestämning av skalade självkörande fordon. Rapporten presenterar två olika positioneringssystem som med hjälp av en Raspberry Pi och tillhörande kameramodul rapporterar en position för ett fordon i ett ansatt referenssystem; ett referenssystem som kan delas av flera fordon. Även ett system för lokal positionsbestämning baserat på vägkantsidentifiering presenteras. Positioneringssystemen har evaluerats i en trafiksituation som innefattar raksträckor, svängar och en rondell. Resultaten visar att systemen är tillräckligt robusta för att användas i en kontrollerad laborationsmiljö. Systemen i dess nuvarande utförande anses dock inte tillräckligt robusta för att användas i en miljö där andra fordon befinner sig. De positioneringssystem som presenteras i rapporten utnyttjar endast on-board sensorer och ingen trådlös kommunikation med omgivningen förekommer. Detta möjliggör en mycket flexibel evaluering av systemen och nya testbanor kan enkelt introduceras. En central teknik för samtliga system är bildbehandling. Centrala bildbehandlingsmetoder som evalueras i rapporten är objekt- och kantidentifiering samt optiskt flöde. Dessa metoder implementeras i de positioneringssystem som rapporten presenterar. Författarna anser att de utvecklade systemens resultat verifierar att det är fullt möjligt att utveckla positioneringssystem för självkörande skalade fordon till en låg kostnad.

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