SlideShare a Scribd company logo
1 of 31
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος
σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια
Θεσσαλονίκη, Οκτώβριος 2020
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης
Πολυτεχνική Σχολή
Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών
Τομέας Ηλεκτρονικής και Υπολογιστών
Εκπόνηση:
Μπεκιάρης Θεοφάνης
ΑΕΜ: 8200
Υπό την επίβλεψη των
Κ. Συμεωνίδης Ανδρέας
Αναπληρωτής Καθηγητής
Δρ. Τσαρδούλιας Εμμανουήλ
Μεταδιδακτορικός Ερευνητής
1
2
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
3
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
4
☛ Το σύστημα θα πρέπει να μπορεί να πλοηγεί, με σεβασμό στους κανόνες οδικής
κυκλοφορίας, το όχημα σε αστικό περιβάλλον με και χωρίς δυναμικά εμπόδια,
δηλαδή με και χωρίς πεζούς και οχήματα.
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
5
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
6
Μεμονωμένο σύστημα : Όλος ο απαραίτητος εξοπλισμός μεταφέρεται από το ίδιο το όχημα και η
λήψη των αποφάσεων γίνεται αποκλειστικά από το όχημα.
Μορφή συστήματος (συνδεσιμότητα)
Συνδεδεμένο συστήμα : Για την λήψη των αποφάσεων μπορεί ή και όχι να υπάρχει εξάρτηση από
άλλα οχήματα. Στην περίπτωση των συνδεδεμένων συστημάτων είναι δυνατόν να υπάρχει
αλληλεπίδραση μεταξύ του αυτόνομου οχήματος με στοιχεία υποδομής του περιβάλλοντος όπως
φανάρια και αισθητήρες.
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
7
Αρθρωτό σύστημα : Τα αρθρωτά συστήματα είναι δομημένα σε μορφή διοχέτευσης (pipelines)
δεδομένων, αποτελούνται από επιμέρους συστήματα που συνδέουν την είσοδο των αισθητήρων στην
έξοδο των ενεργοποιητών του συστήματος.
Διατερματικό συστήμα : Ένα διατερματικό σύστημα λαμβάνει δεδομένα από τους αισθητήρες και
τους μετατρέπει απευθείας σε εντολές κατεύθυνσης για το όχημα.
Μορφή συστήματος (αλγοριθμικός σχεδιασμός)
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
8
Λίστα υποσυστημάτων που αναπτύχθηκαν
1. Υποσύστημα αντίληψης (Perception)
2. Υποσύστημα πρόβλεψης (Prediction)
3. Υποσύστημα συμπεριφοράς (Maneuver generator)
4. Υποσύστημα σχεδίασης τοπικών διαδρομών (Local path planning)
5. Υποσύστημα ελέγχου (Control)
6. Υποσύστημα κατασκευής βασικού μονοπατιού (Route planning)
7. Υποσύστημα αξιολόγησης αυτόνομου οχήματος
(Evaluation)
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
9
Υποσύστημα αντίληψης (Perception)
Για την απόκτηση πληροφορίας από το περιβάλλον χρησιμοποιήθηκε το API του Carla.
Τα βασικότερα δεδομένα που λαμβάνονται από το API είναι:
1. Η θέση και η ταχύτητα των οχημάτων και τον πεζών.
2. Η θέση επερχόμενου stop μπροστά από το όχημα.
3. Η θέση και η τιμή επερχόμενου ορίου ταχύτητας.
4. Η κατάσταση και η θέση των φωτεινών σηματοδοτών.
5. Η θέση των σημείων του μέσου των λωρίδων κυκλοφορίας.
6. Η κατεύθυνση της λωρίδας.
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
10
Υποσύστημα κατασκευής βασικού μονοπατιού (Route planning)
Σχεδίαση μιας διαδρομής από το
αρχικό στο τελικό σημείο, η
διαδρομή αντιστοιχεί στο βασικό
μονοπάτι.
Για την εύρεση και την σχεδίαση του
μονοπατιού χρησιμοποιήθηκε
ο αλγόριθμος A*.
Το όχημα κατά την πλοήγηση του
ακολουθεί την πορεία του βασικού
μονοπατιού, όμως δεν χρειάζεται να
κινείται στην ίδια λωρίδα με το
μονοπάτι, μπορεί να κινείται παράλληλα
με το μονοπάτι σε πλαινές λωρίδες.
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
11
Υποσύστημα συμπεριφοράς (Maneuver generator) 1/3
Ομάδες συμπεριφορών
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
12
Υποσύστημα συμπεριφοράς (Maneuver generator) 2/3
Για την επιλογή της κατάλληλης συμπεριφοράς έχει χρησιμοποιηθεί η ανάλυση απόφασης πολλαπλών κριτηρίων
(Multi-Criteria Decision Analysis ή MCDA).
Επιλογή συμπεριφοράς
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
13
Υποσύστημα συμπεριφοράς (Maneuver generator) 3/3
Αφού επιλεχθεί κάποια συμπεριφορά στην
συνέχεια γίνεται η εκτέλεσης της.
Από την εκτέλεση μιας συμπεριφοράς
παράγονται τα απαραίτητα δεδομένα που
υποδεικνύουν την σωστή κατεύθυνση και
ταχύτητα του οχήματος.
Στο διπλανό σχήμα παρουσιάζεται η γενική
ροή εκτέλεσης των συμπεριφορών.
Εκτέλεση συμπεριφοράς
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
14
Υποσύστημα πρόβλεψης (Prediction)
Η πρόβλεψη για πιθανή σύγκρουση με ένα δυναμικό εμπόδιο, όπως είναι οι πεζοί και
τα οχήματα, μπορεί να βελτιώσει την ασφάλεια της οδήγησης σε εξαιρετικά μεγάλο
βαθμό.
Χρησιμοποιήθηκαν δύο διαφορετικές μέθοδοι, μια για την πρόβλεψη σύγκρουσης με
πεζό και μια για την πρόβλεψη σύγκρουσης με όχημα.
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
15
Πρόβλεψη σύγκρουσης με πεζό
Η κίνηση του αυτόνομου οχήματος όσο και η κίνηση των πεζὼν περιγράφεται από
γραμμικὸ κινηματικό μοντέλο κίνησης.
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
16
Πρόβλεψη σύγκρουσης με όχημα 1/3
1. Εκτίμηση της τροχιάς που θα ακολουθήσει ένα γειτονικό όχημα με χρήση της
μεθόδου των πρωτότυπων τροχιών.
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και
χωρίς δυναμικά εμπόδια
Θεσσαλονίκη, Οκτώβριος 2020
Στάδια για την εκτίμηση σύγκρουσης με διερχόμενο όχημα
2. Εκτίμηση της πρόθεσης/κίνησης του οχήματος με χρήση μαρκοβιανού μοντέλου
κρυφών καταστάσεων (ΗΜΜ) .
3. Εκτίμηση της τροχιάς του αυτόνομου οχήματος.
4. Με χρήση των τροχιών και των κινηματικών μοντέλων που υπολογίστηκαν προηγουμένως
υπολογίζεται η πιθανότητα, ο χρόνος και το σημείο σύγκρουσης των οχημάτων.
17
Πρόβλεψη σύγκρουσης με όχημα 2/3
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και
χωρίς δυναμικά εμπόδια
Θεσσαλονίκη, Οκτώβριος 2020
Εκτιμώμενη τροχιά για το
διερχόμενο όχημα Εκτίμηση της τροχιάς του αυτόνομου
οχήματος
18
Πρόβλεψη σύγκρουσης με όχημα 3/3
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
Εφαρμογή μεθόδου για την πρόβλεψη σύγκρουσης
19
Υποσύστημα σχεδίασης τοπικών διαδρομών (Local path planning)
Από το σημείο που βρίσκεται το όχημα κατασκευάζονται εναλλακτικά μονοπάτια, από τα οποία
επιλέγεται το πιο κατάλληλο για να ακολουθηθεί από το αυτόνομο όχημα.
Η κατασκευή των εναλλακτικών μονοπατιών γίνεται με την χρήση πολυώνυμου 5ης τάξης σε
καμπυλόγραμμες συντεταγμένες (Frenet μονοπάτια)
☛ Παραμετροποίηση ως προς το χρόνο σε
καμπυλόγραμμες συντεταγμένες.
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
20
Υποσύστημα σχεδίασης τοπικών διαδρομών (Local path planning)
Παράδειγμα εναλλακτικών διαδρομών
Εναλλακτικά Frenet μονοπάτια για την περίπτωση που α) το όχημα βρίσκεται σε κανονική πορεία κοντά στο
μονοπάτι αναφοράς, β) το όχημα βρίσκεται εκτός δρόμου και ετοιμάζεται για την είσοδο του στο δρόμο
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
21
Υποσύστημα σχεδίασης τοπικών διαδρομών (Local path planning)
Δύο κατηγορίες κριτηρίων για την αξιολόγηση και
επιλογή μονοπατιού.
• Γεωμετρία μονοπατιών και δυναμικοί περιορισμοί του οχήματος.
• Αποφυγή εμποδίων
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
22
Υποσύστημα ελέγχου (Control)
Είναι από τα σημαντικότερα συστήματα σε ένα
αυτόνομο όχημα, καθώς από αυτό εξαρτάται η
σταθερότητα και η ασφάλεια του αυτόνομου
οχήματος.
Για τον έλεγχο της κατεύθυνσης του οχήματος
χρησιμοποιήθηκε ο αλγόριθμος Pure Pursuit.
Για τον έλεγχο της ταχύτητας του οχήματος
κατασκευάστηκε ο ελεγκτής που απεικονίζεται
στα δεξιά και κάνει χρήση του γκαζιού και του
φρένου του οχήματος.
Το σύστημα είναι υπεύθυνο για τον έλεγχο της
ταχύτητα και κατεύθυνσης του οχήματος σε
χαμηλό επίπεδο λειτουργιών.
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
23
Υποσύστημα ελέγχου (Control)
Έλεγχος κατεύθυνσης Έλεγχος ταχύτητας
Παραδείγματα
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
24
Μετρικές αξιολόγησης της απόδοσης του συστήματος
Βαθμολογία οδήγησης
Ολοκλήρωση διαδρομής Ποινή παραβάσεων
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
25
Μετρικές αξιολόγησης της απόδοσης του συστήματος
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
26
Πόλεις εκτέλεσης των πειραμάτων
Η δοκιμή του αυτόνομου οχήματος έγινε για 10 διαδρομές των 2km για 5 πόλεις, δηλαδή 50 διαδρομές συνολικά 100km.
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
27
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
Αποτελέσματα πειραμάτων με κανονικές συνθήκες οδήγησης
Αποτελέσματα πειραμάτων με θόρυβο στην ταχύτητα και στην θέση των οχημάτων και των πεζών
28
Αποτελέσματα πειραμάτων με θόρυβο στην ταχύτητα και στην θέση των
οχημάτων και των πεζών
Οι μετρικές αξιολόγησης για το σύστημα με θόρυβο έχουν κατά μέσο όρο τιμή ίση με 0.82 για την μετρική "Βαθμολογία οδήγησης”,
0.99 για την μετρική “Ολοκλήρωση διαδρομής” και 0.83 για την μετρική "Ποινή παραβάσεων”, σε σύγκριση με τις μετρικές του
συστήματος χωρίς θόρυβο με τιμές κατά μέσο όρο 0.92, 0.99, 0.92 για τις αντίστοιχες μετρικές.
Η πτώση της απόδοσης του οχήματος οφείλεται κατά κυρίως στις παραβιάσεις του ορίου ταχύτητας, ενώ όσον αφορά τα σφάλματα
που σχετίζονται με την ασφάλεια του οχήματος όπως είναι οι συγκρούσεις δεν αυξάνονται.
Παραβάσεις χωρίς θόρυβο
(πάνω) και με θόρυβο (κάτω)
στις τιμές της ταχύτητας και
της θέσης των οχημάτων για
110 πεζούς και 110 οχήματα.
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
29
Το όχημα πλοηγείται με την μεγαλύτερη επιτυχία σε περιβάλλον που η ελευθερία κίνησης είναι
σχετικά μικρή, όπως για παράδειγμα μικρές πόλεις.
Το πιο σημαντικό υποσύστημα του συστήματος που αναπτύχθηκε φαίνεται να είναι το υποσύστημα συμπεριφοράς.
Τα σφάλματα δεν προκύπτουν μόνο υπό την ευθύνη του αυτόνομου οχήματος, αλλά και από τα υπόλοιπα οχήματα.
Η απόδοση του αυτόνομου συστήματος είναι πολύ ικανοποιητική, το αυτόνομο όχημα κινείται
σχεδόν αυτόνομα σε χώρο χωρίς δυναμικά εμπόδια, ενώ σε χώρο με δυναμικά εμπόδια η απόδοση
του είναι αρκετά υψηλή.
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
30
Στο σύστημα κατασκευής τοπικών μονοπατιών θα μπορούσαν γίνουν κάποιες βελτιώσεις για την επίτευξη καλύτερου
χρόνου κατασκευής των μονοπατιών. Για παράδειγμα αν η γεωμετρία του δρόμου δεν αλλάζει, θα μπορούσαν να ξανά
χρησιμοποιηθούν τα μονοπάτια από τον προηγούμενο κύκλο υπολογισμών.
Θα μπορούσε να χρησιμοποιηθεί μια τεχνική ενισχυτικής μάθησης (reinforcement learning) για τον καθορισμό των
βαρών των κανόνων αξιολόγησης κατά την διαδικασία αξιολόγησης και επιλογής συμπεριφοράς.
Θα μπορούσε να χρησιμοποιηθούν οι αισθητήρες που προσφέρει ο προσομοιωτής και να αναπτυχθεί
ένα σύστημα τεχνητής νοημοσύνης με σκοπό οι πληροφορίες να ληφθούν από τους αισθητήρες του
οχήματος.
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
31
Σας ευχαριστώ για την προσοχή σας !
Ερωτήσεις ?
Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό
περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020

More Related Content

Similar to Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια

Αντίληψη αυτόνοµου οχήµατος µε χρήση κάµερας
Αντίληψη αυτόνοµου οχήµατος µε χρήση κάµεραςΑντίληψη αυτόνοµου οχήµατος µε χρήση κάµερας
Αντίληψη αυτόνοµου οχήµατος µε χρήση κάµεραςISSEL
 
Τεχνικές Πληθοπορισµού σε Αυτόνοµα Οχήµατα για την ∆ηµιουργία Επιπέδων στο Σύ...
Τεχνικές Πληθοπορισµού σε Αυτόνοµα Οχήµατα για την ∆ηµιουργία Επιπέδων στο Σύ...Τεχνικές Πληθοπορισµού σε Αυτόνοµα Οχήµατα για την ∆ηµιουργία Επιπέδων στο Σύ...
Τεχνικές Πληθοπορισµού σε Αυτόνοµα Οχήµατα για την ∆ηµιουργία Επιπέδων στο Σύ...ISSEL
 
DIploma Thesis, MSc in Digital Communication Media and Interaction Environmen...
DIploma Thesis, MSc in Digital Communication Media and Interaction Environmen...DIploma Thesis, MSc in Digital Communication Media and Interaction Environmen...
DIploma Thesis, MSc in Digital Communication Media and Interaction Environmen...StavrosMarkoulakis
 
παρουσίαση θ4 π2 - μητσάκης-μορφουλάκη
παρουσίαση   θ4 π2 - μητσάκης-μορφουλάκηπαρουσίαση   θ4 π2 - μητσάκης-μορφουλάκη
παρουσίαση θ4 π2 - μητσάκης-μορφουλάκηKonstantinos Karagiannis
 
παρουσίαση θ4 π4 - καρκαβίτσας
παρουσίαση   θ4 π4 - καρκαβίτσαςπαρουσίαση   θ4 π4 - καρκαβίτσας
παρουσίαση θ4 π4 - καρκαβίτσαςKonstantinos Karagiannis
 
παρουσίαση θ4 π1 - παπαϊωάννου
παρουσίαση   θ4 π1 - παπαϊωάννουπαρουσίαση   θ4 π1 - παπαϊωάννου
παρουσίαση θ4 π1 - παπαϊωάννουKonstantinos Karagiannis
 
Autonomous car position calculation with particle filters using traffic data ...
Autonomous car position calculation with particle filters using traffic data ...Autonomous car position calculation with particle filters using traffic data ...
Autonomous car position calculation with particle filters using traffic data ...ISSEL
 
Γ. Γεωργιαδής Δήμος Καλαμαριάς
Γ. Γεωργιαδής Δήμος ΚαλαμαριάςΓ. Γεωργιαδής Δήμος Καλαμαριάς
Γ. Γεωργιαδής Δήμος ΚαλαμαριάςOTS SA
 

Similar to Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια (9)

Αντίληψη αυτόνοµου οχήµατος µε χρήση κάµερας
Αντίληψη αυτόνοµου οχήµατος µε χρήση κάµεραςΑντίληψη αυτόνοµου οχήµατος µε χρήση κάµερας
Αντίληψη αυτόνοµου οχήµατος µε χρήση κάµερας
 
Τεχνικές Πληθοπορισµού σε Αυτόνοµα Οχήµατα για την ∆ηµιουργία Επιπέδων στο Σύ...
Τεχνικές Πληθοπορισµού σε Αυτόνοµα Οχήµατα για την ∆ηµιουργία Επιπέδων στο Σύ...Τεχνικές Πληθοπορισµού σε Αυτόνοµα Οχήµατα για την ∆ηµιουργία Επιπέδων στο Σύ...
Τεχνικές Πληθοπορισµού σε Αυτόνοµα Οχήµατα για την ∆ηµιουργία Επιπέδων στο Σύ...
 
DIploma Thesis, MSc in Digital Communication Media and Interaction Environmen...
DIploma Thesis, MSc in Digital Communication Media and Interaction Environmen...DIploma Thesis, MSc in Digital Communication Media and Interaction Environmen...
DIploma Thesis, MSc in Digital Communication Media and Interaction Environmen...
 
παρουσίαση θ4 π2 - μητσάκης-μορφουλάκη
παρουσίαση   θ4 π2 - μητσάκης-μορφουλάκηπαρουσίαση   θ4 π2 - μητσάκης-μορφουλάκη
παρουσίαση θ4 π2 - μητσάκης-μορφουλάκη
 
παρουσίαση θ4 π4 - καρκαβίτσας
παρουσίαση   θ4 π4 - καρκαβίτσαςπαρουσίαση   θ4 π4 - καρκαβίτσας
παρουσίαση θ4 π4 - καρκαβίτσας
 
παρουσίαση θ4 π1 - παπαϊωάννου
παρουσίαση   θ4 π1 - παπαϊωάννουπαρουσίαση   θ4 π1 - παπαϊωάννου
παρουσίαση θ4 π1 - παπαϊωάννου
 
Autonomous car position calculation with particle filters using traffic data ...
Autonomous car position calculation with particle filters using traffic data ...Autonomous car position calculation with particle filters using traffic data ...
Autonomous car position calculation with particle filters using traffic data ...
 
Easybike patra
Easybike patraEasybike patra
Easybike patra
 
Γ. Γεωργιαδής Δήμος Καλαμαριάς
Γ. Γεωργιαδής Δήμος ΚαλαμαριάςΓ. Γεωργιαδής Δήμος Καλαμαριάς
Γ. Γεωργιαδής Δήμος Καλαμαριάς
 

More from ISSEL

Implementation of a platform for assessing indoor spaces regarding their frie...
Implementation of a platform for assessing indoor spaces regarding their frie...Implementation of a platform for assessing indoor spaces regarding their frie...
Implementation of a platform for assessing indoor spaces regarding their frie...ISSEL
 
Ανίχνευση αντικειµένων από λίγα δείγµατα µε χρήση γραφηµάτων και τεχνικών ΜΕΤ...
Ανίχνευση αντικειµένων από λίγα δείγµατα µε χρήση γραφηµάτων και τεχνικών ΜΕΤ...Ανίχνευση αντικειµένων από λίγα δείγµατα µε χρήση γραφηµάτων και τεχνικών ΜΕΤ...
Ανίχνευση αντικειµένων από λίγα δείγµατα µε χρήση γραφηµάτων και τεχνικών ΜΕΤ...ISSEL
 
Ανάπτυξη Εφαρµογής Προφίλ Μηχανικών Λογισµικού από ∆εδοµένα Αποθετηρίων Λογισ...
Ανάπτυξη Εφαρµογής Προφίλ Μηχανικών Λογισµικού από ∆εδοµένα Αποθετηρίων Λογισ...Ανάπτυξη Εφαρµογής Προφίλ Μηχανικών Λογισµικού από ∆εδοµένα Αποθετηρίων Λογισ...
Ανάπτυξη Εφαρµογής Προφίλ Μηχανικών Λογισµικού από ∆εδοµένα Αποθετηρίων Λογισ...ISSEL
 
Ανάπτυξη ∆υναµικού και Προσωποποιηµένου Συστήµατος Ερωταπαντήσεων µε Πηγή το ...
Ανάπτυξη ∆υναµικού και Προσωποποιηµένου Συστήµατος Ερωταπαντήσεων µε Πηγή το ...Ανάπτυξη ∆υναµικού και Προσωποποιηµένου Συστήµατος Ερωταπαντήσεων µε Πηγή το ...
Ανάπτυξη ∆υναµικού και Προσωποποιηµένου Συστήµατος Ερωταπαντήσεων µε Πηγή το ...ISSEL
 
Ανάπτυξη Φίλτρων Ανεπιθύμητων Μηνυμάτων με Χρήση Τεχνικών Τεχνητής Νοημοσύνης
Ανάπτυξη Φίλτρων Ανεπιθύμητων Μηνυμάτων με Χρήση Τεχνικών Τεχνητής ΝοημοσύνηςΑνάπτυξη Φίλτρων Ανεπιθύμητων Μηνυμάτων με Χρήση Τεχνικών Τεχνητής Νοημοσύνης
Ανάπτυξη Φίλτρων Ανεπιθύμητων Μηνυμάτων με Χρήση Τεχνικών Τεχνητής ΝοημοσύνηςISSEL
 
Ανάπτυξη Ελληνικών Μοντέλων Εντοπισμού Ρητορικής Μίσους.pptx
Ανάπτυξη Ελληνικών Μοντέλων Εντοπισμού Ρητορικής Μίσους.pptxΑνάπτυξη Ελληνικών Μοντέλων Εντοπισμού Ρητορικής Μίσους.pptx
Ανάπτυξη Ελληνικών Μοντέλων Εντοπισμού Ρητορικής Μίσους.pptxISSEL
 
Σχεδιασμός και υλοποίηση πλήρους και αυτοματοποιημένου εργαλείου ελέγχων ασφά...
Σχεδιασμός και υλοποίηση πλήρους και αυτοματοποιημένου εργαλείου ελέγχων ασφά...Σχεδιασμός και υλοποίηση πλήρους και αυτοματοποιημένου εργαλείου ελέγχων ασφά...
Σχεδιασμός και υλοποίηση πλήρους και αυτοματοποιημένου εργαλείου ελέγχων ασφά...ISSEL
 
Εφαρµογή Τεχνικών Μηχανικής Μάθησης για την Ανάλυση Αλλαγών Κώδικα µε στόχο τ...
Εφαρµογή Τεχνικών Μηχανικής Μάθησης για την Ανάλυση Αλλαγών Κώδικα µε στόχο τ...Εφαρµογή Τεχνικών Μηχανικής Μάθησης για την Ανάλυση Αλλαγών Κώδικα µε στόχο τ...
Εφαρµογή Τεχνικών Μηχανικής Μάθησης για την Ανάλυση Αλλαγών Κώδικα µε στόχο τ...ISSEL
 
Ανάπτυξη συστήματος ιεραρχικής ομαδοποίησης και διαχείρισης κειμένων για αποκ...
Ανάπτυξη συστήματος ιεραρχικής ομαδοποίησης και διαχείρισης κειμένων για αποκ...Ανάπτυξη συστήματος ιεραρχικής ομαδοποίησης και διαχείρισης κειμένων για αποκ...
Ανάπτυξη συστήματος ιεραρχικής ομαδοποίησης και διαχείρισης κειμένων για αποκ...ISSEL
 
Ανάπτυξη γραφικής διεπαφής σε σύστημα προσομοίωσης ηλεκτρονικών αγορών με στό...
Ανάπτυξη γραφικής διεπαφής σε σύστημα προσομοίωσης ηλεκτρονικών αγορών με στό...Ανάπτυξη γραφικής διεπαφής σε σύστημα προσομοίωσης ηλεκτρονικών αγορών με στό...
Ανάπτυξη γραφικής διεπαφής σε σύστημα προσομοίωσης ηλεκτρονικών αγορών με στό...ISSEL
 
Δημιουργία Ολοκληρωμένου Συστήματος Επαλήθευσης Ορθότητας Ισχυρισμών
Δημιουργία Ολοκληρωμένου Συστήματος Επαλήθευσης Ορθότητας ΙσχυρισμώνΔημιουργία Ολοκληρωμένου Συστήματος Επαλήθευσης Ορθότητας Ισχυρισμών
Δημιουργία Ολοκληρωμένου Συστήματος Επαλήθευσης Ορθότητας ΙσχυρισμώνISSEL
 
Εξόρυξη δεδοµένων για τη δυναµική ενσωµάτωση γνώσης σε πολυπρακτορικά συστήµατα
Εξόρυξη δεδοµένων για τη δυναµική ενσωµάτωση γνώσης σε πολυπρακτορικά συστήµαταΕξόρυξη δεδοµένων για τη δυναµική ενσωµάτωση γνώσης σε πολυπρακτορικά συστήµατα
Εξόρυξη δεδοµένων για τη δυναµική ενσωµάτωση γνώσης σε πολυπρακτορικά συστήµαταISSEL
 
Ανάπτυξη Μηχανισμών Αυτοματοποίησης των διαδικασιών κατασκευής συστημάτων λο...
Ανάπτυξη Μηχανισμών Αυτοματοποίησης των  διαδικασιών κατασκευής συστημάτων λο...Ανάπτυξη Μηχανισμών Αυτοματοποίησης των  διαδικασιών κατασκευής συστημάτων λο...
Ανάπτυξη Μηχανισμών Αυτοματοποίησης των διαδικασιών κατασκευής συστημάτων λο...ISSEL
 
ΕΥΦΥΗΣ ΜΕΘΟΔΟΛΟΓΙΑ ΑΠΟΤΙΜΗΣΗΣ ΤΟΥ ΒΑΘΜΟΥ ΔΙΑΤΗΡΗΣΙΜΟΤΗΤΑΣ ΕΡΓΩΝ ΛΟΓΙΣΜΙΚΟΥ ΜΕ...
ΕΥΦΥΗΣ ΜΕΘΟΔΟΛΟΓΙΑ ΑΠΟΤΙΜΗΣΗΣ ΤΟΥ ΒΑΘΜΟΥ ΔΙΑΤΗΡΗΣΙΜΟΤΗΤΑΣ ΕΡΓΩΝ ΛΟΓΙΣΜΙΚΟΥ ΜΕ...ΕΥΦΥΗΣ ΜΕΘΟΔΟΛΟΓΙΑ ΑΠΟΤΙΜΗΣΗΣ ΤΟΥ ΒΑΘΜΟΥ ΔΙΑΤΗΡΗΣΙΜΟΤΗΤΑΣ ΕΡΓΩΝ ΛΟΓΙΣΜΙΚΟΥ ΜΕ...
ΕΥΦΥΗΣ ΜΕΘΟΔΟΛΟΓΙΑ ΑΠΟΤΙΜΗΣΗΣ ΤΟΥ ΒΑΘΜΟΥ ΔΙΑΤΗΡΗΣΙΜΟΤΗΤΑΣ ΕΡΓΩΝ ΛΟΓΙΣΜΙΚΟΥ ΜΕ...ISSEL
 
Μηχανισμοί αυτοματοποίησης διαδικασιών σχεδίασης, υλοποίησης και ανάπτυξης λο...
Μηχανισμοί αυτοματοποίησης διαδικασιών σχεδίασης, υλοποίησης και ανάπτυξης λο...Μηχανισμοί αυτοματοποίησης διαδικασιών σχεδίασης, υλοποίησης και ανάπτυξης λο...
Μηχανισμοί αυτοματοποίησης διαδικασιών σχεδίασης, υλοποίησης και ανάπτυξης λο...ISSEL
 
Εξόρυξη δεδομένων τεχνολογίας λογισμικού για επαναχρησιμοποίηση λογισμικού
Εξόρυξη δεδομένων τεχνολογίας λογισμικού για επαναχρησιμοποίηση λογισμικούΕξόρυξη δεδομένων τεχνολογίας λογισμικού για επαναχρησιμοποίηση λογισμικού
Εξόρυξη δεδομένων τεχνολογίας λογισμικού για επαναχρησιμοποίηση λογισμικούISSEL
 
Ανάλυση ∆εδοµένων ΄Εργων Λογισµικού για Ανάπτυξη σε Νέα Πεδία Εφαρµογής
Ανάλυση ∆εδοµένων ΄Εργων Λογισµικού για Ανάπτυξη σε Νέα Πεδία ΕφαρµογήςΑνάλυση ∆εδοµένων ΄Εργων Λογισµικού για Ανάπτυξη σε Νέα Πεδία Εφαρµογής
Ανάλυση ∆εδοµένων ΄Εργων Λογισµικού για Ανάπτυξη σε Νέα Πεδία ΕφαρµογήςISSEL
 
Camera-based localization of annotated objects in indoor environments
Camera-based localization of annotated objects in indoor environmentsCamera-based localization of annotated objects in indoor environments
Camera-based localization of annotated objects in indoor environmentsISSEL
 
Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...
Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...
Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...ISSEL
 
Design and implementation of an automation mechanism to automatically develop...
Design and implementation of an automation mechanism to automatically develop...Design and implementation of an automation mechanism to automatically develop...
Design and implementation of an automation mechanism to automatically develop...ISSEL
 

More from ISSEL (20)

Implementation of a platform for assessing indoor spaces regarding their frie...
Implementation of a platform for assessing indoor spaces regarding their frie...Implementation of a platform for assessing indoor spaces regarding their frie...
Implementation of a platform for assessing indoor spaces regarding their frie...
 
Ανίχνευση αντικειµένων από λίγα δείγµατα µε χρήση γραφηµάτων και τεχνικών ΜΕΤ...
Ανίχνευση αντικειµένων από λίγα δείγµατα µε χρήση γραφηµάτων και τεχνικών ΜΕΤ...Ανίχνευση αντικειµένων από λίγα δείγµατα µε χρήση γραφηµάτων και τεχνικών ΜΕΤ...
Ανίχνευση αντικειµένων από λίγα δείγµατα µε χρήση γραφηµάτων και τεχνικών ΜΕΤ...
 
Ανάπτυξη Εφαρµογής Προφίλ Μηχανικών Λογισµικού από ∆εδοµένα Αποθετηρίων Λογισ...
Ανάπτυξη Εφαρµογής Προφίλ Μηχανικών Λογισµικού από ∆εδοµένα Αποθετηρίων Λογισ...Ανάπτυξη Εφαρµογής Προφίλ Μηχανικών Λογισµικού από ∆εδοµένα Αποθετηρίων Λογισ...
Ανάπτυξη Εφαρµογής Προφίλ Μηχανικών Λογισµικού από ∆εδοµένα Αποθετηρίων Λογισ...
 
Ανάπτυξη ∆υναµικού και Προσωποποιηµένου Συστήµατος Ερωταπαντήσεων µε Πηγή το ...
Ανάπτυξη ∆υναµικού και Προσωποποιηµένου Συστήµατος Ερωταπαντήσεων µε Πηγή το ...Ανάπτυξη ∆υναµικού και Προσωποποιηµένου Συστήµατος Ερωταπαντήσεων µε Πηγή το ...
Ανάπτυξη ∆υναµικού και Προσωποποιηµένου Συστήµατος Ερωταπαντήσεων µε Πηγή το ...
 
Ανάπτυξη Φίλτρων Ανεπιθύμητων Μηνυμάτων με Χρήση Τεχνικών Τεχνητής Νοημοσύνης
Ανάπτυξη Φίλτρων Ανεπιθύμητων Μηνυμάτων με Χρήση Τεχνικών Τεχνητής ΝοημοσύνηςΑνάπτυξη Φίλτρων Ανεπιθύμητων Μηνυμάτων με Χρήση Τεχνικών Τεχνητής Νοημοσύνης
Ανάπτυξη Φίλτρων Ανεπιθύμητων Μηνυμάτων με Χρήση Τεχνικών Τεχνητής Νοημοσύνης
 
Ανάπτυξη Ελληνικών Μοντέλων Εντοπισμού Ρητορικής Μίσους.pptx
Ανάπτυξη Ελληνικών Μοντέλων Εντοπισμού Ρητορικής Μίσους.pptxΑνάπτυξη Ελληνικών Μοντέλων Εντοπισμού Ρητορικής Μίσους.pptx
Ανάπτυξη Ελληνικών Μοντέλων Εντοπισμού Ρητορικής Μίσους.pptx
 
Σχεδιασμός και υλοποίηση πλήρους και αυτοματοποιημένου εργαλείου ελέγχων ασφά...
Σχεδιασμός και υλοποίηση πλήρους και αυτοματοποιημένου εργαλείου ελέγχων ασφά...Σχεδιασμός και υλοποίηση πλήρους και αυτοματοποιημένου εργαλείου ελέγχων ασφά...
Σχεδιασμός και υλοποίηση πλήρους και αυτοματοποιημένου εργαλείου ελέγχων ασφά...
 
Εφαρµογή Τεχνικών Μηχανικής Μάθησης για την Ανάλυση Αλλαγών Κώδικα µε στόχο τ...
Εφαρµογή Τεχνικών Μηχανικής Μάθησης για την Ανάλυση Αλλαγών Κώδικα µε στόχο τ...Εφαρµογή Τεχνικών Μηχανικής Μάθησης για την Ανάλυση Αλλαγών Κώδικα µε στόχο τ...
Εφαρµογή Τεχνικών Μηχανικής Μάθησης για την Ανάλυση Αλλαγών Κώδικα µε στόχο τ...
 
Ανάπτυξη συστήματος ιεραρχικής ομαδοποίησης και διαχείρισης κειμένων για αποκ...
Ανάπτυξη συστήματος ιεραρχικής ομαδοποίησης και διαχείρισης κειμένων για αποκ...Ανάπτυξη συστήματος ιεραρχικής ομαδοποίησης και διαχείρισης κειμένων για αποκ...
Ανάπτυξη συστήματος ιεραρχικής ομαδοποίησης και διαχείρισης κειμένων για αποκ...
 
Ανάπτυξη γραφικής διεπαφής σε σύστημα προσομοίωσης ηλεκτρονικών αγορών με στό...
Ανάπτυξη γραφικής διεπαφής σε σύστημα προσομοίωσης ηλεκτρονικών αγορών με στό...Ανάπτυξη γραφικής διεπαφής σε σύστημα προσομοίωσης ηλεκτρονικών αγορών με στό...
Ανάπτυξη γραφικής διεπαφής σε σύστημα προσομοίωσης ηλεκτρονικών αγορών με στό...
 
Δημιουργία Ολοκληρωμένου Συστήματος Επαλήθευσης Ορθότητας Ισχυρισμών
Δημιουργία Ολοκληρωμένου Συστήματος Επαλήθευσης Ορθότητας ΙσχυρισμώνΔημιουργία Ολοκληρωμένου Συστήματος Επαλήθευσης Ορθότητας Ισχυρισμών
Δημιουργία Ολοκληρωμένου Συστήματος Επαλήθευσης Ορθότητας Ισχυρισμών
 
Εξόρυξη δεδοµένων για τη δυναµική ενσωµάτωση γνώσης σε πολυπρακτορικά συστήµατα
Εξόρυξη δεδοµένων για τη δυναµική ενσωµάτωση γνώσης σε πολυπρακτορικά συστήµαταΕξόρυξη δεδοµένων για τη δυναµική ενσωµάτωση γνώσης σε πολυπρακτορικά συστήµατα
Εξόρυξη δεδοµένων για τη δυναµική ενσωµάτωση γνώσης σε πολυπρακτορικά συστήµατα
 
Ανάπτυξη Μηχανισμών Αυτοματοποίησης των διαδικασιών κατασκευής συστημάτων λο...
Ανάπτυξη Μηχανισμών Αυτοματοποίησης των  διαδικασιών κατασκευής συστημάτων λο...Ανάπτυξη Μηχανισμών Αυτοματοποίησης των  διαδικασιών κατασκευής συστημάτων λο...
Ανάπτυξη Μηχανισμών Αυτοματοποίησης των διαδικασιών κατασκευής συστημάτων λο...
 
ΕΥΦΥΗΣ ΜΕΘΟΔΟΛΟΓΙΑ ΑΠΟΤΙΜΗΣΗΣ ΤΟΥ ΒΑΘΜΟΥ ΔΙΑΤΗΡΗΣΙΜΟΤΗΤΑΣ ΕΡΓΩΝ ΛΟΓΙΣΜΙΚΟΥ ΜΕ...
ΕΥΦΥΗΣ ΜΕΘΟΔΟΛΟΓΙΑ ΑΠΟΤΙΜΗΣΗΣ ΤΟΥ ΒΑΘΜΟΥ ΔΙΑΤΗΡΗΣΙΜΟΤΗΤΑΣ ΕΡΓΩΝ ΛΟΓΙΣΜΙΚΟΥ ΜΕ...ΕΥΦΥΗΣ ΜΕΘΟΔΟΛΟΓΙΑ ΑΠΟΤΙΜΗΣΗΣ ΤΟΥ ΒΑΘΜΟΥ ΔΙΑΤΗΡΗΣΙΜΟΤΗΤΑΣ ΕΡΓΩΝ ΛΟΓΙΣΜΙΚΟΥ ΜΕ...
ΕΥΦΥΗΣ ΜΕΘΟΔΟΛΟΓΙΑ ΑΠΟΤΙΜΗΣΗΣ ΤΟΥ ΒΑΘΜΟΥ ΔΙΑΤΗΡΗΣΙΜΟΤΗΤΑΣ ΕΡΓΩΝ ΛΟΓΙΣΜΙΚΟΥ ΜΕ...
 
Μηχανισμοί αυτοματοποίησης διαδικασιών σχεδίασης, υλοποίησης και ανάπτυξης λο...
Μηχανισμοί αυτοματοποίησης διαδικασιών σχεδίασης, υλοποίησης και ανάπτυξης λο...Μηχανισμοί αυτοματοποίησης διαδικασιών σχεδίασης, υλοποίησης και ανάπτυξης λο...
Μηχανισμοί αυτοματοποίησης διαδικασιών σχεδίασης, υλοποίησης και ανάπτυξης λο...
 
Εξόρυξη δεδομένων τεχνολογίας λογισμικού για επαναχρησιμοποίηση λογισμικού
Εξόρυξη δεδομένων τεχνολογίας λογισμικού για επαναχρησιμοποίηση λογισμικούΕξόρυξη δεδομένων τεχνολογίας λογισμικού για επαναχρησιμοποίηση λογισμικού
Εξόρυξη δεδομένων τεχνολογίας λογισμικού για επαναχρησιμοποίηση λογισμικού
 
Ανάλυση ∆εδοµένων ΄Εργων Λογισµικού για Ανάπτυξη σε Νέα Πεδία Εφαρµογής
Ανάλυση ∆εδοµένων ΄Εργων Λογισµικού για Ανάπτυξη σε Νέα Πεδία ΕφαρµογήςΑνάλυση ∆εδοµένων ΄Εργων Λογισµικού για Ανάπτυξη σε Νέα Πεδία Εφαρµογής
Ανάλυση ∆εδοµένων ΄Εργων Λογισµικού για Ανάπτυξη σε Νέα Πεδία Εφαρµογής
 
Camera-based localization of annotated objects in indoor environments
Camera-based localization of annotated objects in indoor environmentsCamera-based localization of annotated objects in indoor environments
Camera-based localization of annotated objects in indoor environments
 
Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...
Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...
Εντοπισμός θέσης επισημασμένου αντικειμένου σε εσωτερικό χώρο με χρήση πολλαπ...
 
Design and implementation of an automation mechanism to automatically develop...
Design and implementation of an automation mechanism to automatically develop...Design and implementation of an automation mechanism to automatically develop...
Design and implementation of an automation mechanism to automatically develop...
 

Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια

  • 1. Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020 Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Τομέας Ηλεκτρονικής και Υπολογιστών Εκπόνηση: Μπεκιάρης Θεοφάνης ΑΕΜ: 8200 Υπό την επίβλεψη των Κ. Συμεωνίδης Ανδρέας Αναπληρωτής Καθηγητής Δρ. Τσαρδούλιας Εμμανουήλ Μεταδιδακτορικός Ερευνητής 1
  • 2. 2 Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 3. 3 Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 4. 4 ☛ Το σύστημα θα πρέπει να μπορεί να πλοηγεί, με σεβασμό στους κανόνες οδικής κυκλοφορίας, το όχημα σε αστικό περιβάλλον με και χωρίς δυναμικά εμπόδια, δηλαδή με και χωρίς πεζούς και οχήματα. Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 5. 5 Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 6. 6 Μεμονωμένο σύστημα : Όλος ο απαραίτητος εξοπλισμός μεταφέρεται από το ίδιο το όχημα και η λήψη των αποφάσεων γίνεται αποκλειστικά από το όχημα. Μορφή συστήματος (συνδεσιμότητα) Συνδεδεμένο συστήμα : Για την λήψη των αποφάσεων μπορεί ή και όχι να υπάρχει εξάρτηση από άλλα οχήματα. Στην περίπτωση των συνδεδεμένων συστημάτων είναι δυνατόν να υπάρχει αλληλεπίδραση μεταξύ του αυτόνομου οχήματος με στοιχεία υποδομής του περιβάλλοντος όπως φανάρια και αισθητήρες. Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 7. 7 Αρθρωτό σύστημα : Τα αρθρωτά συστήματα είναι δομημένα σε μορφή διοχέτευσης (pipelines) δεδομένων, αποτελούνται από επιμέρους συστήματα που συνδέουν την είσοδο των αισθητήρων στην έξοδο των ενεργοποιητών του συστήματος. Διατερματικό συστήμα : Ένα διατερματικό σύστημα λαμβάνει δεδομένα από τους αισθητήρες και τους μετατρέπει απευθείας σε εντολές κατεύθυνσης για το όχημα. Μορφή συστήματος (αλγοριθμικός σχεδιασμός) Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 8. 8 Λίστα υποσυστημάτων που αναπτύχθηκαν 1. Υποσύστημα αντίληψης (Perception) 2. Υποσύστημα πρόβλεψης (Prediction) 3. Υποσύστημα συμπεριφοράς (Maneuver generator) 4. Υποσύστημα σχεδίασης τοπικών διαδρομών (Local path planning) 5. Υποσύστημα ελέγχου (Control) 6. Υποσύστημα κατασκευής βασικού μονοπατιού (Route planning) 7. Υποσύστημα αξιολόγησης αυτόνομου οχήματος (Evaluation) Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 9. 9 Υποσύστημα αντίληψης (Perception) Για την απόκτηση πληροφορίας από το περιβάλλον χρησιμοποιήθηκε το API του Carla. Τα βασικότερα δεδομένα που λαμβάνονται από το API είναι: 1. Η θέση και η ταχύτητα των οχημάτων και τον πεζών. 2. Η θέση επερχόμενου stop μπροστά από το όχημα. 3. Η θέση και η τιμή επερχόμενου ορίου ταχύτητας. 4. Η κατάσταση και η θέση των φωτεινών σηματοδοτών. 5. Η θέση των σημείων του μέσου των λωρίδων κυκλοφορίας. 6. Η κατεύθυνση της λωρίδας. Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 10. 10 Υποσύστημα κατασκευής βασικού μονοπατιού (Route planning) Σχεδίαση μιας διαδρομής από το αρχικό στο τελικό σημείο, η διαδρομή αντιστοιχεί στο βασικό μονοπάτι. Για την εύρεση και την σχεδίαση του μονοπατιού χρησιμοποιήθηκε ο αλγόριθμος A*. Το όχημα κατά την πλοήγηση του ακολουθεί την πορεία του βασικού μονοπατιού, όμως δεν χρειάζεται να κινείται στην ίδια λωρίδα με το μονοπάτι, μπορεί να κινείται παράλληλα με το μονοπάτι σε πλαινές λωρίδες. Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 11. 11 Υποσύστημα συμπεριφοράς (Maneuver generator) 1/3 Ομάδες συμπεριφορών Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 12. 12 Υποσύστημα συμπεριφοράς (Maneuver generator) 2/3 Για την επιλογή της κατάλληλης συμπεριφοράς έχει χρησιμοποιηθεί η ανάλυση απόφασης πολλαπλών κριτηρίων (Multi-Criteria Decision Analysis ή MCDA). Επιλογή συμπεριφοράς Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 13. 13 Υποσύστημα συμπεριφοράς (Maneuver generator) 3/3 Αφού επιλεχθεί κάποια συμπεριφορά στην συνέχεια γίνεται η εκτέλεσης της. Από την εκτέλεση μιας συμπεριφοράς παράγονται τα απαραίτητα δεδομένα που υποδεικνύουν την σωστή κατεύθυνση και ταχύτητα του οχήματος. Στο διπλανό σχήμα παρουσιάζεται η γενική ροή εκτέλεσης των συμπεριφορών. Εκτέλεση συμπεριφοράς Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 14. 14 Υποσύστημα πρόβλεψης (Prediction) Η πρόβλεψη για πιθανή σύγκρουση με ένα δυναμικό εμπόδιο, όπως είναι οι πεζοί και τα οχήματα, μπορεί να βελτιώσει την ασφάλεια της οδήγησης σε εξαιρετικά μεγάλο βαθμό. Χρησιμοποιήθηκαν δύο διαφορετικές μέθοδοι, μια για την πρόβλεψη σύγκρουσης με πεζό και μια για την πρόβλεψη σύγκρουσης με όχημα. Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 15. 15 Πρόβλεψη σύγκρουσης με πεζό Η κίνηση του αυτόνομου οχήματος όσο και η κίνηση των πεζὼν περιγράφεται από γραμμικὸ κινηματικό μοντέλο κίνησης. Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 16. 16 Πρόβλεψη σύγκρουσης με όχημα 1/3 1. Εκτίμηση της τροχιάς που θα ακολουθήσει ένα γειτονικό όχημα με χρήση της μεθόδου των πρωτότυπων τροχιών. Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020 Στάδια για την εκτίμηση σύγκρουσης με διερχόμενο όχημα 2. Εκτίμηση της πρόθεσης/κίνησης του οχήματος με χρήση μαρκοβιανού μοντέλου κρυφών καταστάσεων (ΗΜΜ) . 3. Εκτίμηση της τροχιάς του αυτόνομου οχήματος. 4. Με χρήση των τροχιών και των κινηματικών μοντέλων που υπολογίστηκαν προηγουμένως υπολογίζεται η πιθανότητα, ο χρόνος και το σημείο σύγκρουσης των οχημάτων.
  • 17. 17 Πρόβλεψη σύγκρουσης με όχημα 2/3 Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020 Εκτιμώμενη τροχιά για το διερχόμενο όχημα Εκτίμηση της τροχιάς του αυτόνομου οχήματος
  • 18. 18 Πρόβλεψη σύγκρουσης με όχημα 3/3 Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020 Εφαρμογή μεθόδου για την πρόβλεψη σύγκρουσης
  • 19. 19 Υποσύστημα σχεδίασης τοπικών διαδρομών (Local path planning) Από το σημείο που βρίσκεται το όχημα κατασκευάζονται εναλλακτικά μονοπάτια, από τα οποία επιλέγεται το πιο κατάλληλο για να ακολουθηθεί από το αυτόνομο όχημα. Η κατασκευή των εναλλακτικών μονοπατιών γίνεται με την χρήση πολυώνυμου 5ης τάξης σε καμπυλόγραμμες συντεταγμένες (Frenet μονοπάτια) ☛ Παραμετροποίηση ως προς το χρόνο σε καμπυλόγραμμες συντεταγμένες. Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 20. 20 Υποσύστημα σχεδίασης τοπικών διαδρομών (Local path planning) Παράδειγμα εναλλακτικών διαδρομών Εναλλακτικά Frenet μονοπάτια για την περίπτωση που α) το όχημα βρίσκεται σε κανονική πορεία κοντά στο μονοπάτι αναφοράς, β) το όχημα βρίσκεται εκτός δρόμου και ετοιμάζεται για την είσοδο του στο δρόμο Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 21. 21 Υποσύστημα σχεδίασης τοπικών διαδρομών (Local path planning) Δύο κατηγορίες κριτηρίων για την αξιολόγηση και επιλογή μονοπατιού. • Γεωμετρία μονοπατιών και δυναμικοί περιορισμοί του οχήματος. • Αποφυγή εμποδίων Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 22. 22 Υποσύστημα ελέγχου (Control) Είναι από τα σημαντικότερα συστήματα σε ένα αυτόνομο όχημα, καθώς από αυτό εξαρτάται η σταθερότητα και η ασφάλεια του αυτόνομου οχήματος. Για τον έλεγχο της κατεύθυνσης του οχήματος χρησιμοποιήθηκε ο αλγόριθμος Pure Pursuit. Για τον έλεγχο της ταχύτητας του οχήματος κατασκευάστηκε ο ελεγκτής που απεικονίζεται στα δεξιά και κάνει χρήση του γκαζιού και του φρένου του οχήματος. Το σύστημα είναι υπεύθυνο για τον έλεγχο της ταχύτητα και κατεύθυνσης του οχήματος σε χαμηλό επίπεδο λειτουργιών. Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 23. 23 Υποσύστημα ελέγχου (Control) Έλεγχος κατεύθυνσης Έλεγχος ταχύτητας Παραδείγματα Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 24. 24 Μετρικές αξιολόγησης της απόδοσης του συστήματος Βαθμολογία οδήγησης Ολοκλήρωση διαδρομής Ποινή παραβάσεων Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 25. 25 Μετρικές αξιολόγησης της απόδοσης του συστήματος Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 26. 26 Πόλεις εκτέλεσης των πειραμάτων Η δοκιμή του αυτόνομου οχήματος έγινε για 10 διαδρομές των 2km για 5 πόλεις, δηλαδή 50 διαδρομές συνολικά 100km. Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 27. 27 Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020 Αποτελέσματα πειραμάτων με κανονικές συνθήκες οδήγησης Αποτελέσματα πειραμάτων με θόρυβο στην ταχύτητα και στην θέση των οχημάτων και των πεζών
  • 28. 28 Αποτελέσματα πειραμάτων με θόρυβο στην ταχύτητα και στην θέση των οχημάτων και των πεζών Οι μετρικές αξιολόγησης για το σύστημα με θόρυβο έχουν κατά μέσο όρο τιμή ίση με 0.82 για την μετρική "Βαθμολογία οδήγησης”, 0.99 για την μετρική “Ολοκλήρωση διαδρομής” και 0.83 για την μετρική "Ποινή παραβάσεων”, σε σύγκριση με τις μετρικές του συστήματος χωρίς θόρυβο με τιμές κατά μέσο όρο 0.92, 0.99, 0.92 για τις αντίστοιχες μετρικές. Η πτώση της απόδοσης του οχήματος οφείλεται κατά κυρίως στις παραβιάσεις του ορίου ταχύτητας, ενώ όσον αφορά τα σφάλματα που σχετίζονται με την ασφάλεια του οχήματος όπως είναι οι συγκρούσεις δεν αυξάνονται. Παραβάσεις χωρίς θόρυβο (πάνω) και με θόρυβο (κάτω) στις τιμές της ταχύτητας και της θέσης των οχημάτων για 110 πεζούς και 110 οχήματα. Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 29. 29 Το όχημα πλοηγείται με την μεγαλύτερη επιτυχία σε περιβάλλον που η ελευθερία κίνησης είναι σχετικά μικρή, όπως για παράδειγμα μικρές πόλεις. Το πιο σημαντικό υποσύστημα του συστήματος που αναπτύχθηκε φαίνεται να είναι το υποσύστημα συμπεριφοράς. Τα σφάλματα δεν προκύπτουν μόνο υπό την ευθύνη του αυτόνομου οχήματος, αλλά και από τα υπόλοιπα οχήματα. Η απόδοση του αυτόνομου συστήματος είναι πολύ ικανοποιητική, το αυτόνομο όχημα κινείται σχεδόν αυτόνομα σε χώρο χωρίς δυναμικά εμπόδια, ενώ σε χώρο με δυναμικά εμπόδια η απόδοση του είναι αρκετά υψηλή. Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 30. 30 Στο σύστημα κατασκευής τοπικών μονοπατιών θα μπορούσαν γίνουν κάποιες βελτιώσεις για την επίτευξη καλύτερου χρόνου κατασκευής των μονοπατιών. Για παράδειγμα αν η γεωμετρία του δρόμου δεν αλλάζει, θα μπορούσαν να ξανά χρησιμοποιηθούν τα μονοπάτια από τον προηγούμενο κύκλο υπολογισμών. Θα μπορούσε να χρησιμοποιηθεί μια τεχνική ενισχυτικής μάθησης (reinforcement learning) για τον καθορισμό των βαρών των κανόνων αξιολόγησης κατά την διαδικασία αξιολόγησης και επιλογής συμπεριφοράς. Θα μπορούσε να χρησιμοποιηθούν οι αισθητήρες που προσφέρει ο προσομοιωτής και να αναπτυχθεί ένα σύστημα τεχνητής νοημοσύνης με σκοπό οι πληροφορίες να ληφθούν από τους αισθητήρες του οχήματος. Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  • 31. 31 Σας ευχαριστώ για την προσοχή σας ! Ερωτήσεις ? Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020