Automotive Research
header foto

Motion Planner en Traject Tracking

De laatste jaren neemt de ontwikkeling en technologische evaluatie op het gebied van autonome voertuigen snel toe. Het blijft echter een grote uitdaging om autonoom rijden op te nemen in een stedelijke omgeving met complexe omstandigheden om obstakels te vermijden en menselijk rijgedrag te vertonen. Hoe op te lossen?

Masterstudent Pawan Pawar zocht naar een oplossing. Hij ontwikkelde een Motion Planner (bewegingsplanner) en Traject Tracking (trajectvolgcontroller) en implementeerde deze zowel in het simulatieplatform als in de Streetdrone.

Pawan ontving voor zijn masterthesis Automotive Systems een 8,2 en noemt zich voortaan Master of Automotive Science.

Alle mogelijkheden van verschillende algoritmen voor bewegingsplanning werden door Pawan geanalyseerd aan de hand van literatuur. Een rooster-gebaseerde Motion Planner werd geselecteerd. Rooster-gebaseerde Motion Planner genereert bewegingsprimitieven door rekening te houden met de kinematische beperkingen van het voertuig samen met het A*-algoritme, die de haalbare primitief selecteert uit de Motion Primitive Library (MPL).

Om de prestaties van de Motion Planner te verbeteren en menselijk rijgedrag te bereiken, werden geoptimaliseerde MPL, heuristiek en kostenfunctie methoden opgenomen. Realistische stedelijke scenario's werden ingezet, zoals het navigeren op een route met statische en dynamische obstakels en vervolgens het uitvoeren van omgekeerde parkeermanoeuvres.

Pad herplanning werd ontwikkeld om obstakels te vermijden en een snelheidsprofiel werd gegenereerd door het inzetten van versnellingsdrempels voor een comfortabele rit. Om het referentietraject te volgen, werden zij- en longitudinale controllers opgenomen in de Motion Planner.

Robot Operating System (ROS) werd gebruikt voor het vaststellen van de juiste communicatie tussen de software en het voertuig, zodat het ontwikkelde algoritme op de weg te testen werd de LiDAR gebruikt.

Op basis van de metingen van de Motion Planner en de tracking algoritmen, zal dit project worden gebruikt voor educatieve en onderzoeksdoeleinden in andere projecten met autonome voertuigen door HAN-AR.

Bron: Nieuwsbrief HAN Automotive Research