Real-time Bewegingsplanning voor Autonome Voertuigen in Stedelijke Omgevingen: Een Geschaalde Prototype-studie

Geavanceerde autonome voertuigen beloven een veiliger, efficiëntere toekomst voor stedelijke mobiliteit. Toch, ondanks significante industriële investeringen, is geen volledig autonoom systeem de consumentenmarkt binnengekomen. Een cruciale knelpunt is het gebrek aan een robuuste, real-time bewegingsplanningsmotor die veilig complexe stadsstraten kan navigeren.

Projectdoelstelling

Het doel van dit onderzoek is om een betrouwbaar real-time bewegingsplanningssysteem te ontwerpen en implementeren dat ongevallen voor autonome auto's reduceert. Het systeem integreert rijstrookbehoud, obstakelvermijding, bewegende-voertuig-vermijding, adaptieve cruise-control en basis ongevallenvermijding.

Hardware-architectuur

We bouwden een geschaalde "ego" (EGO) voertuig met een Adafruit 3-laags ronde robot chassis kit met dubbele DC-motoren, een Raspberry Pi 3 B+, een RPLIDAR-A1 laserscanner, twee HC-SR04 ultrasone sensoren, en een Anker PowerCore 13000 batterijpakket.

De Raspberry Pi fungeert als verwerkingshub, ontvangt ruwe data van de LIDAR en ultrasone sensoren via GPIO-pinnen en levert motorcommando's aan een DRV8833 motordriverbord.

Softwarestack

Alle software draait op Raspbian. Python 3 is de primaire taal, leveraging de officiële LIDAR SDK en de VNC Viewer voor remote monitoring. SSH stelt draadloze commandoregel-toegang in.

Methodologie

1. Fase 1 – Hardware Bouw: Monteer het EGO-voertuig en installeer OS, drivers en connectiviteitstools.
2. Fase 2 – Controle-ontwikkeling: Implementeer rijstrookbehoud, obstakelvermijding, bewegende-voertuig-vermijding en adaptieve cruise-control modules met sensorfusie.
3. Fase 3 – Validatie: Voer een batterij betrouwbaarheidstests uit in een geschaalde stedelijke mock-up, verfijn algoritmes iteratief, en integreer alle modules in een enkele bewegingsplanningsstack.

Kernalgoritmes

Obstakelvermijding is gebaseerd op LIDAR-data gesegmenteerd in voorwaartse en achterwaartse sectoren; als een obstakel in de voorwaartse sector verschijnt, controleert het systeem de tegenovergestelde rijstrook via ultrasone sensoren voordat het besluit te stoppen of de rijstrook te wijzigen. Adaptieve cruise-control past snelheid aan met ±5% of ±1% van de huidige snelheid om een veilige volgafstand te behouden.

Resultaten & Verbeteringen

Initiële tests toonden aan:

• Rijstrookbehoud houdt het voertuig gecentreerd.
• Obstakelvermijding stopt het voertuig betrouwbaar voor statische obstakels.
• Bewegende-voertuig-vermijding kan rijstrook wisselen wanneer de tegenovergestelde rijstrook vrij is.
• Adaptieve cruise-control behoudt afstand maar toont snelheidstrilling.

We verminderden het top-zware ontwerp van het voertuig door de secundaire Raspberry Pi te verwijderen en het chassis te verlagen, wat flip-over-risico reduceerde. Het toevoegen van ultrasone sensoren verbeterde zij-rijstrookdetectie, en een gladde snelheidsaanpassingsroutine verbeterde de stabiliteit van de cruise-control.

Toekomstig Werk

Toekomstige iteraties zullen machine-learning-gebaseerde routeplanning, realtime verkeerslicht-integratie en multi-voertuig-coördinatie via V2X-communicatie verkennen. Het verbeteren van het adaptieve cruise-algoritme met voorspellende modellen gebaseerd op afstand-tijd-berekeningen is ook gepland.

Conclusie

Door sensorfusie, modulaire controllogica en iteratieve testen te combineren, hebben we een prototype real-time bewegingsplanningssysteem geproduceerd dat veilig werkt in een gecontroleerde stedelijke omgeving. Hoewel nog niet productie-klaar, legt de architectuur een stevige basis voor Niveau 4 autonoom rijden.

Erkenningen

Speciale dank aan Dr. Lisa Fiorentini voor haar mentorschap, aan mijn familie voor onwrikbare steun, en aan mijn peers voor constructieve feedback.

Referenties

1. Aqib, "What is Raspberry pi? Getting Started with Raspberry Pi 3," Electronics Hobbyists, 18-Jan-2019. https://electronicshobbyists.com/tutorial-1-what-is-raspberry-pi-getting-started-with-raspberry-pi-3/.
2. Adafruit Industries, "Mini 3-Layer Round Robot Chassis Kit – 2WD with DC Motors," 2020. https://www.adafruit.com/product/3244.
3. Adafruit Industries, "Adafruit DRV8833 DC/Stepper Motor Driver Breakout Board," 2020. https://www.adafruit.com/product/3297.
4. T. Huang, "RPLIDAR-A1 360° Laser Range Scanner," SLAMTEC, 2020. https://www.slamtec.com/en/Lidar/A1.
5. "PowerCore 13000," Anker, 2020. https://www.anker.com/store/powercore-13000/A1215011.
6. "Welcome to lidar's documentation! ¶," LIDAR documentatie, 2020. https://lidar.readthedocs.io/en/latest/.
7. "RealVNC," VNC® Connect, 2020. https://www.realvnc.com/en/connect/download/viewer/macos/.
8. Adafruit Industries, "HC-SR04 Ultrasonic Sonar Distance Sensor 2 × 10 kΩ resistors," 2020. https://www.adafruit.com/product/3942.