Successfully reported this slideshow.
Your SlideShare is downloading. ×

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

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

Download to read offline

Η τεχνολογία της αυτόνομης οδήγησης μελετάται εκτενώς τα τελευταία χρόνια και ειδικότερα την τελευταία δεκαετία. Τόσο η επιστημονική κοινότητα όσο και η βιομηχανία καταβάλουν αξιοσημείωτες προσπάθειες για την ανάπτυξη της τεχνολογίας και τελικά προς την επίτευξη της αυτόνομης οδήγησης. Τα οχήματα και οι μεταφορές έχουν καθοριστικό ρόλο στην ανάπτυξη του εμπορίου και κατ’ επέκταση στην ανάπτυξη της κοινωνίας. Η αυτοματοποίηση της οδήγησης, στα επόμενα χρόνια, θα αυξήσει δραματικά την ασφάλεια των πολιτών, θα μειώσει το χρόνο των μεταφορών αλλά και την κυκλοφοριακή συμφόρηση των δρόμων. Η τεχνολογία της αυτόνομης οδήγησης είναι αρκετά περίπλοκη και η ανάπτυξη της αποτελεί πρόκληση για τον επιστημονικό τομέα. Η λειτουργία των αυτὸνομων οχημάτων απαιτεί πολύ καλή αντίληψη του περιβάλλοντος, άμεση απόκριση σε μεταβολές αυτού και συνεπώς αξιόπιστη εκτίμηση της θέσης των οχημάτων μέσα στον χώρο. Το όχημα πρέπει να διαθέτει την κατάλληλη τεχνολογία που να του επιτρέπει τη πλοήγηση του μέσα στο οδικό δίκτυο και την εκτέλεση πολύπλοκων σεναρίων οδήγησης. Για το σκοπό αυτό τα οχήματα είναι εξοπλισμένα με κατάλληλους αισθητήρες τελευταίας τεχνολογίας και με το κατάλληλο σύστημα ελέγχου και λήψης αποφάσεων. Η υλοποίηση τέτοιων συστημάτων είναι μια αρκετά περίπλοκη διαδικασία, αποτελούνται από επιμέρους συστήματα τα οποία είναι εξειδικευμένα στην επίλυση συγκεκριμένων προβλημάτων της αυτόνομης οδήγησης. Η παρούσα διπλωματική εργασία εστιάζει στην ανάπτυξη ενός συστήματος αυτόνομης οδήγησης οχημάτων. Σκοπός του συστήματος είναι να κατευθύνει το όχημα με βέλτιστο τρόπο, με ασφάλεια, και με σεβασμό ως προς τους κανόνες οδικής κυκλοφορίας, από ένα αρχικό σημείο σε ένα τελικό σημείο μέσα σε μία πόλη στην οποία υπάρχουν οχήματα και πεζοί. Το σύστημα αναπτύχθηκε σε μορφή μεμονωμένου συστήματος (ego-only system) και επιλέχθηκε η μορφή του αρθρωτού συστήματος (modular system). Η κατασκευὴ του λογισμικού ὲγινε με χρήση της γλώσσας προγραμματισμού Python και του μεσολογισμικού ROS. Για την ανάπτυξη του συστήματος χρησιμοποιήθηκε ο προσομοιωτής Carla, με τον οποίο έγιναν οι δοκιμές και τα πειράματα και η προσομοίωση της αυτόνομης οδήγησης. Το σύστημα αναπτύχθηκε σε αρθρωτή μορφή και κατ’ επέκταση αποτελείται από τα επιμέρους συστήματα α) αντὶληψης, β) επιλογής συμπεριφοράς, δ) πρόβλεψης συμπεριφορών, ε) κατασκευή βασικού μονοπατιού, στ) κατασκευής τοπικών μονοπατιών και, ζ) ελέγχου οχήματος. Το καθένα από τα συστήματα αυτά είναι υπεύθυνο για την εκτέλεση συγκεκριμένων διεργασιών (continue in full text)

Η τεχνολογία της αυτόνομης οδήγησης μελετάται εκτενώς τα τελευταία χρόνια και ειδικότερα την τελευταία δεκαετία. Τόσο η επιστημονική κοινότητα όσο και η βιομηχανία καταβάλουν αξιοσημείωτες προσπάθειες για την ανάπτυξη της τεχνολογίας και τελικά προς την επίτευξη της αυτόνομης οδήγησης. Τα οχήματα και οι μεταφορές έχουν καθοριστικό ρόλο στην ανάπτυξη του εμπορίου και κατ’ επέκταση στην ανάπτυξη της κοινωνίας. Η αυτοματοποίηση της οδήγησης, στα επόμενα χρόνια, θα αυξήσει δραματικά την ασφάλεια των πολιτών, θα μειώσει το χρόνο των μεταφορών αλλά και την κυκλοφοριακή συμφόρηση των δρόμων. Η τεχνολογία της αυτόνομης οδήγησης είναι αρκετά περίπλοκη και η ανάπτυξη της αποτελεί πρόκληση για τον επιστημονικό τομέα. Η λειτουργία των αυτὸνομων οχημάτων απαιτεί πολύ καλή αντίληψη του περιβάλλοντος, άμεση απόκριση σε μεταβολές αυτού και συνεπώς αξιόπιστη εκτίμηση της θέσης των οχημάτων μέσα στον χώρο. Το όχημα πρέπει να διαθέτει την κατάλληλη τεχνολογία που να του επιτρέπει τη πλοήγηση του μέσα στο οδικό δίκτυο και την εκτέλεση πολύπλοκων σεναρίων οδήγησης. Για το σκοπό αυτό τα οχήματα είναι εξοπλισμένα με κατάλληλους αισθητήρες τελευταίας τεχνολογίας και με το κατάλληλο σύστημα ελέγχου και λήψης αποφάσεων. Η υλοποίηση τέτοιων συστημάτων είναι μια αρκετά περίπλοκη διαδικασία, αποτελούνται από επιμέρους συστήματα τα οποία είναι εξειδικευμένα στην επίλυση συγκεκριμένων προβλημάτων της αυτόνομης οδήγησης. Η παρούσα διπλωματική εργασία εστιάζει στην ανάπτυξη ενός συστήματος αυτόνομης οδήγησης οχημάτων. Σκοπός του συστήματος είναι να κατευθύνει το όχημα με βέλτιστο τρόπο, με ασφάλεια, και με σεβασμό ως προς τους κανόνες οδικής κυκλοφορίας, από ένα αρχικό σημείο σε ένα τελικό σημείο μέσα σε μία πόλη στην οποία υπάρχουν οχήματα και πεζοί. Το σύστημα αναπτύχθηκε σε μορφή μεμονωμένου συστήματος (ego-only system) και επιλέχθηκε η μορφή του αρθρωτού συστήματος (modular system). Η κατασκευὴ του λογισμικού ὲγινε με χρήση της γλώσσας προγραμματισμού Python και του μεσολογισμικού ROS. Για την ανάπτυξη του συστήματος χρησιμοποιήθηκε ο προσομοιωτής Carla, με τον οποίο έγιναν οι δοκιμές και τα πειράματα και η προσομοίωση της αυτόνομης οδήγησης. Το σύστημα αναπτύχθηκε σε αρθρωτή μορφή και κατ’ επέκταση αποτελείται από τα επιμέρους συστήματα α) αντὶληψης, β) επιλογής συμπεριφοράς, δ) πρόβλεψης συμπεριφορών, ε) κατασκευή βασικού μονοπατιού, στ) κατασκευής τοπικών μονοπατιών και, ζ) ελέγχου οχήματος. Το καθένα από τα συστήματα αυτά είναι υπεύθυνο για την εκτέλεση συγκεκριμένων διεργασιών (continue in full text)

More Related Content

More from ISSEL

Related Books

Free with a 30 day trial from Scribd

See all

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

  1. 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. 2 Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  3. 3. 3 Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  4. 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. 5 Χάραξη βέλτιστου μονοπατιού και πλοήγηση αυτόνομου οχήματος σε δυναμικό περιβάλλον με και χωρίς δυναμικά εμπόδια Θεσσαλονίκη, Οκτώβριος 2020
  6. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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

×