An intelligent overtaking assistant for autonomous racing cars

Otonom yarış araçları için bir akıllı sollama asistanı

PDF İndir

Tez No: 633397
Yazar: ERSİN ARMAĞAN
Danışmanlar: DOÇ. DR. TUFAN KUMBASAR
Tez Türü: Yüksek Lisans
Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
Anahtar Kelimeler: Belirtilmemiş.
Yıl: 2020
Dil: İngilizce
Üniversite: İstanbul Teknik Üniversitesi
Enstitü: Fen Bilimleri Enstitüsü
Ana Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Bilim Dalı
Sayfa Sayısı: 94

Özet

Günümüzde, ileri sürücü destek sistemleri daha popüler hale gelmektedir ve araçlarda her geçen gün daha fazla kullanılmaktadır. Ölümlü araç kazalarını önlemedeki başarıları ve araç sürüş konforunu arttırmaları sebebiyle ileri sürücü destek sistemlerine olan ilgi her geçen gün artmaktadır. Bu sebeplerden dolayı, ileri sürücü destek sistemleri için literatürde birçok uygulama geliştirilmektedir. İleri sürücü destek sistemleri için bulanık mantık tabanlı kontrolörler ve PID tipi kontrolörler gibi kontrol sistemleri de yaygın olarak kullanılmaktadır. Bulanık mantık tabanlı kontrol sistemlerinin ileri sürücü destek sistemlerinin ve otonom sürüş sistemlerinin kontrolünde kullanımı da son zamanlarda ciddi bir artış göstermektedir. Bulanık mantık sistemlerinin birçok alanda tercih edilmesinin sebebi karmaşık sistemlerde dahi bir uzman davranışını taklit edip kontrol edebilmesidir. Örneğin, bulanık mantık tabanlı kontrol sistemleri özellikle karar verme uygulamaları, sistem modelleme ve kontrol uygulamaları dâhil olmak üzere birçok alanda etkili bir şekilde uygulanmaktadır. İleri sürücü destek sistemleri ve otonom sürüş fonksiyonları için sollama uygulamaları geliştirirken için farklı alanlardaki çalışmanın yanında bulanık mantık tabanlı sistemler de kullanılmaktadır. Bulanık mantık sistemlerinin sollama ve bu tür zorlayıcı otonom sürüş fonksiyonları için tercih edilmesinin nedeni, insanların farklı durumlara göre düşünme ve hareket etme şeklini taklit edebilmelerindeki başarısıdır. Bulanık mantık tabanlı sistemlerin tasarımı uzman davranışları göz önünde bulundurularak yapılmaktadır. İleri sürücü destek sistemleri ve otonom sürüş fonksiyonları geliştirirken sollama işlemini gerçeklemek en zorlu görevlerden bir tanesidir çünkü sollamanın birçok karmaşık durumu barındırması ve bu durumlar içerisinde birden fazla karar verme durumuna sahip olmasıdır. Sollamanın genel tanımı, diğer şeridi kullanarak trafikte aynı şeritte ve önde bulunan daha yavaş olan bir aracı geçmek ve sollamayı tamamladıktan sonra sollamaya başlamadan önce bulunulan şeride geri dönmektir. Basit bir tanımı olmasına rağmen, kurallara göre yapılmayan sollama çoğunlukla trafik kazalarının sebep olmaktadır. Sollama kararı alınmışsa; ilk olarak, sollanacak araç ile arasındaki mesafe muhafaza edilmeli ve diğer şeritte başka bir araç olup olmadığı kontrol edilmelidir. Bu koşullar sağlandıktan sonra sollamaya başlanılabilir. Diğer aracın yanından geçtikten ve diğer araçla aradaki mesafe biraz açıldıktan sonra araç şeridine geri dönmelidir. Böylece sollama işlemi tamamlanmaktadır. Bu tezde, otonom bir sollama gerçekleştirebilmek için bulanık mantık sistemlerine dayanan akıllı bir sollama asistanı tasarımı sunulacaktır. Bu akıllı sollama asistanı temel olarak ne zaman sollama yapılacağına ve sollamanın bitirileceğine karar verecektir. Ayrıca aracın sollama eyleminin gerçekleştirmesi için istenilen referans hız ve yanal pozisyon değerleri diğer araçlara ait gerekli bilgileri kullanılarak hesaplanacaktır. Araba yarışı benzetimlerine olan ilgi, gerçeğe neredeyse çok yakın oldukları, yapay zekâ ve kontrol uygulamalarının geliştirilmesine açık oldukları için her geçen gün artmaktadır. Bu yüzden tasarlanan kontrolörlerin ve akıllı sollama asistanının performanslarını inceleyebilmek için bir benzetim ortamından yararlanılacaktır. The Open Racing Car Simulator (TORCS), bu alanda en gerçekçi ve açık kaynak kodlu yarış benzetimlerinden birisidir ve birçok işletim sisteminde çalışabilmektedir. TORCS benzetim ortamında birden fazla gerçekçi karakteristiğe sahip pistler ve araçlar bulunmaktadır. Bu tezde, kullanılan TORCS benzetim ortamı hakkında ve bu benzetim ortamından hangi verilere ulaşılabildiği hakkında bilgiler verilmiştir. Tasarlanan akıllı sollama asistanının performansı TORCS benzetim ortamında incelenecektir ve benzetim sonuçları sunulacaktır. İstenilen hız ve konum referans değerlerinde aracı ilerletebilmek için alt seviye kontrolörlerin tasarımı yapılacaktır. Aracın düzgün bir şekilde hızlanıp yavaşlamasını sağlayabilmek için vites geçişleri otomatikleştirilecektir. Aracın hız kontrolünü sağlayabilmek için ise gaz ve fren açık çevrim sistem yanıtları incelenecek ve açık çevrim transfer fonksiyonları elde edilecektir. Elde edilmiş olan transfer fonksiyonları için sistemin istenilen şekilde kontrol edilmesini sağlayacak kontrolörler tasarlanacaktır. Elde edilen gaz ve fren pedalı kontrol işaretleri araca uygulanıp aracın hız kontrolü sağlanacaktır. Aracın yol üzerinde istenilen konumda ilerleyebilmesi için, yanal pozisyon kontrolüne ihtiyaç vardır. Yanal pozisyon kontrolü için ise, ilk olarak aracın yok eksenine göre yönelim açısı kontrolü yapılacaktır ve böylece aracın istenilen yönelimde ilerlemesi gerçekleştirilecektir. Aracın yönelimi kontrol edildikten sonra ise yanal konum kontrolü gerçekleştirilerek uygun direksiyon açısı kontrol işareti hesaplanacaktır ve araca uygulanacaktır. Akıllı sollama asistanı tarafından hesaplanan referans değerleri kullanılarak alt seviye kontrolörler aracılığıyla kontrol işaretleri hesaplanmış olacaktır. İkinci olarak, gerekli sensör verilerini almaktan ve akıllı sollama asistanına bu verileri hazırlanmaktan sorumlu olan veri hazırlama katmanı tasarlanacaktır. Örneğin bu katmanda diğer araca olan en yakın mesafe doğrudan sensörler aracılığıyla benzetim ortamından elde edilebilmektedir ve bu mesafe trigonometrik fonksiyonlar yardımıyla yanal ve dikey mesafe verisine çevrilebilmektedir. Diğer araçların yanal ve dikey hızlarının tahminlenmesi de bu katmanda yapılacaktır. Tahminleme yapmak için ise çoklu nesne takip algoritması tasarlanacak ve uygulanacaktır. Çoklu nesne takip uygulaması birden fazla aracın bulunması durumda araçların konum ve hız tahminlerinin karışmaması ve doğru araç ile eşleştirilmesi için gereklidir. Herhangi bir aracın sensörlerin tanım mesafesinden kaybolması veya yeni bir aracın bu mesafeye girmesi durumlarında da çoklu nesne takip uygulaması önemli bir yer tutmaktadır. Daha sonra, sollama için gerekli referans hız ve yanal konum işaretlerini üretecek olan ve bulanık mantık tabanlı sistemlerden oluşan akıllı sollama asistanı tasarlanacaktır. Bu bulanık mantık tabanlı sistemler sollama eylemlerinin farklı görevlerini gerçekleştirmek için tasarlanacaktır. Bu sistemlerden bir tanesi sollama aksiyonunun ne zaman başlatılacağına veya sonlandırılacağına karar verirken, diğeri is hız artışının gerekli olup olmadığına karar verecektir. Diğer iki bulanık mantık tabanlı sistem ise sollama esnasında istenilen referans yanal pozisyon hesaplamasını ve ne kadar hız artışının gerekli olduğunu hesaplayacaktır. Bulanık tabanlı bu sistemler, sürücülerin sollama esnasında nasıl davrandığı bilgisi temel alınarak tasarlanacaklardır. Bu akıllı sollama asistanı ile hesaplanan referans pozisyon ve referans hız değerleri alt seviye kontrolörlere iletilerek aracın sollama esnasında ve haricinde kontrol edilmesini sağlayacaktır. Tasarlanan akıllı sollama asistanı sollamanın iptal edilmesi gereken durumlarda da sollama işleminin iptalini sağlayacaktır ve aracı sollamadan önceki durumuna geri döndürecektir. Hesaplanan referans hız ve yanal pozisyon değerleri için gaz, fren, vites ve direksiyon açısı kontrol işaretleri hesaplanıp araca uygulanarak aracın kontrol edilmesi sağlanacaktır. Alt seviye araç kontrolörlerinin ve akıllı sollama asistanının tasarımları bittikten sonra ise performansları farklı koşullar için benzetim ortamında test edilecektir. Alt seviye kontrolörlerin ve akıllı sollama asistanının gerçek zamanlı performansları bu benzetimler ile elde edilecek ve kapalı çevrim sistem davranışları incelenecektir. Performans testleri yapılırken TORCS benzetim ortamında farkı özelliklere sahip iki pist kullanılacaktır. Bu pistlerden bir tanesi düz yola sahipken diğeri virajlı bir yola sahiptir. Böylece tasalanacak akıllı sollama asistanının ve alt seviye kontrolörlerin düz ve virajlı yolda nasıl bir performans gerçekleştireceği incelenecektir. Tasarlanacak olan akıllı sollama asistanının düz yolda sollamanın iptal edilmesi gerektiği bir durumda nasıl davranacağı da ayrıca incelenecektir. Sonuç olarak, bu tezde aracı kontrol etmeye yönelik alt seviye kontrolörler tasarlanmış ve yeni bir akıllı sollama asistanı önerilmiştir. Benzetim ortamı hakkında bilgiler verilmiş ve bu benzetim ortamından hangi verilere ulaşılabildiği hakkında bilgi verilmiştir. Akıllı sollama asistanın tasarımı dâhilinde gerekli verilerin istenilen şekilde hazırlanabilmesi için bir veri hazırlama katmanı tasarlanmıştır, ayrıca alt seviye kontrolörlerin ve akıllı sollama asistanının tasarım aşamaları sunulmuştur. Sollama için karar verme ve referans değerlerin hesaplanmasına yönelik akıllı sollama asistanını oluşturan bulanık tabanlı sistemler oluşturulmuştur. Hesaplanan referans yanal konum ve referans hız değerleri alt seviye kontrolörlere iletilmiştir. Akıllı sollama asistanının ve alt seviye kontrolörlerin performansı TORCS oyun ortamında değerlendirmiştir. Sunulan sonuçlar, çeşitli yol yapılarında bu akıllı sollama asistanın performansının oldukça verimli olduğunu açıkça göstermektedir. Ayrıca tasarlanan alt seviye kontrolörlerin verilmiş olan referansları iyi bir şekilde takip edebildiği gözlenmiştir. Bu tez kapsamında bulunmayan ve gelecekteki geliştirmeler için önerilerde bulunulmuş ve bu alandaki çalışmaları genişletmek üzere bazı iyileştirmeler önerilmiştir.

Özet (Çeviri)

Nowadays, advanced driver assistance systems are becoming more popular since they are being used more and more in commercial vehicles. Interest in advanced driver assistance systems is growing because they prevent car accidents and improve driving comfort. As a solution, computational/artificial intelligence applications have been employed in the literature to design advanced driver assistance systems. Control systems such as PID controllers, fuzzy logic based controllers are also widely used for advanced driver assistance systems. Recently, the usage of fuzzy logic based control systems in the control of advanced driver assistance systems and autonomous driving systems has also increased significantly. Fuzzy logic based systems are preferred in many research areas because it is capable to imitate expert behavior even in complex systems. For example, fuzzy logic based control systems are effectively implemented especially decision-making applications, system modeling and control applications. Fuzzy logic based systems are also used in addition to several studies while developing overtaking applications for advanced driver support systems and autonomous driving functions. The reason why fuzzy logic based systems are preferred for overtaking and other challenging autonomous driving functions is that they mimic the way human thinks and acts according to different situations. The design of fuzzy logic based systems is carried out by considering expert behavior. Overtaking action is one of the most challenging tasks when developing advanced driver assistance systems and autonomous driving functions because overtaking action contains many complex situations and it includes more than one decision-making situation. The general definition of overtaking is to pass a slower opponent vehicle that is front of ego vehicle in the same lane using the other lane and then to return to its prior lane after overtaking. Although it has a simple definition, overtaking that is not done according to the rules is main factor in traffic accidents. If the overtaking decision has been taken, the distance between the ego vehicle and the opponent vehicle should be maintained first and it should be checked to start to overtake whether there is an oncoming vehicle in the other lane. After overtaking the opponent vehicle and the distance between the ego and opponent vehicles is slightly opened, the ego vehicle should return to the vehicle lane; therefore, overtaking is completed. In this thesis, an intelligent overtaking assistant based on fuzzy logic systems is presented to perform overtaking autonomously. The developed intelligent overtaking assistant decides when to overtake the opponent vehicle and finish overtaking. The desired reference speed and lateral position values for the ego vehicle to perform the overtaking action are calculated using the necessary input information of opponent vehicle. The interest in car racing simulations is increasing because they are realistic and open to the development of artificial intelligence and control applications. Therefore, a simulation environment is used to examine the performances of the designed controllers and intelligent overtaking assistant. The Open Racing Car Simulator (TORCS) is one of the most realistic and open-source racing simulations in this field and it can run on many operating systems. In the TORCS simulation environment, more than one tracks and vehicles have realistic characteristics. In this thesis, information is given about the TORCS simulation environment used and what data can be obtained from this simulation environment. The performance of the designed intelligent overtaking assistant is examined in the TORCS simulation environment and simulation results are presented. Low-level controllers are designed to control the vehicle for the desired speed and position reference values. Gearshifts are automated to satisfy the vehicle to accelerate and decelerate properly. In order to make speed control of the vehicle, open-loop system responses are examined and open-loop transfer functions are obtained for throttle and brake. For the transfer functions that are obtained, controllers are designed to ensure that the closed-loop system response is as desired. The throttle and brake pedal control signals are applied to the ego vehicle and the speed control of ego vehicle has been deployed. Lateral position control is required for the ego vehicle to travel in the desired position on the road. For the lateral position control, the heading angle control has been carried out; thus, the ego vehicle can turn to the desired direction. After controlling the heading angle of the ego vehicle, the lateral position control is performed and the steering angle control signal is calculated to apply to the ego vehicle. Using the reference values calculated by the intelligent overtaking assistant, the control signals are calculated by the low-level controllers. Next, the data perception layer is designed that is responsible for receiving the necessary sensory data and preparing this data for the intelligent overtaking assistant. For example, the closest distance to the opponent vehicle is obtained directly from the simulation environment and it is converted to lateral and longitudinal distances with the help of trigonometric functions in this layer. Estimation of the lateral and longitudinal speeds of opponent vehicles also have been made in this layer. In order to make predictions for multiple objects, multiple object-tracking algorithm is designed and applied. A multi-object tracking application is necessary to avoid confusion of the position and speed estimates of the opponent vehicles to match them with the correct vehicle in case there is more than one opponent vehicle. In cases where any vehicle disappears from the distance interval of sensor or a new opponent vehicle enters this interval, multiple object tracking has an important place to track them correctly. Afterwards, the intelligent overtaking assistant that is consisted of four cascade fuzzy logic based systems is designed to produce the reference lateral position and speed signals for ego vehicle to overtake. These fuzzy logic based systems are designed to perform different tasks of overtaking action. One of these systems decides when to start or end the overtaking action, while the other one decides whether speed increase is required or not. The other two fuzzy logic based systems calculate the desired reference lateral position and calculate how much speed increase is required during overtaking. These fuzzy-based systems have been designed based on how drivers behave during overtaking. The reference position and reference speed values calculated with this intelligent overtaking assistant are transmitted to the low-level controllers to control the ego vehicle during overtaking. The designed intelligent overtaking assistant is also capable to cancel the overtaking action and to make the ego vehicle return to its prior lane. For reference speed and lateral position values that are calculated by the intelligent overtaking assistant; throttle, brake, gear and steering angle control signals are calculated and applied to the ego vehicle to control the vehicle. After the designs of the low-level vehicle controllers and the intelligent overtaking assistant are finished, their performances are tested in the simulation environment under different conditions. Real-time performances of low-level controllers and intelligent overtaking assistant have been obtained with this simulation and closed-loop system behaviors are examined. While performing performance tests, two tracks with different features are used in the TORCS simulation environment. One of these tracks is a straight road and the other is a curvy road. Thus, the performance of the intelligent overtaking assistant and low-level controllers are examined for straight and curvy roads. It is also examined how the intelligent overtaking assistant that is designed behaves in a situation where overtaking should be canceled on the straight path. To sum up, in this thesis, a novel intelligent overtaking assistant is proposed and low-level controllers are designed to control the ego vehicle. Information about the simulation environment is given and information about which data can be obtained from this simulation environment is given. Within the design of the intelligent overtaking assistant, a data preparation layer has been designed in order to prepare the required data as desired; moreover, the design steps of the low-level controllers and the intelligent overtaking assistant are presented. Fuzzy-based systems for decision-making and calculation of reference values have been created for overtaking. The calculated reference lateral position and reference speed values are used by the low-level controllers. The performance of the intelligent overtaking assistant and low-level controllers evaluated in the TORCS environment. The presented results clearly show that the performance of intelligent overtaking assistant in various road structures is quite efficient. Furthermore, it has been observed that the designed low-level controllers can follow the given references well. Suggestions have been made for future work related with the topics that are not included in this thesis and some improvements have been proposed to expand the case studies in this area.

Benzer Tezler

Tez No
392331
Ortam etkileşimli güvenli sürüş destek sistemlerinin modellenmesi
Modelling of environment-interactive safe drive assistant systems
ÖZGÜR KARADUMAN
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol Fırat Üniversitesi
Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN KÜRÜM
Tez No
571987
Sürücü davranışlarının modellenmesi için makine öğrenmesi tabanlı bir sistem gerçekleştirimi
Development of a machine learning based system for modeling driver behaviours
ŞERAFETTİN ATMACA
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol Süleyman Demirel Üniversitesi
Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ASIM SİNAN YÜKSEL
Tez No
768040
An intelligent system for lung cancer diagnosis using a machine learning algorithm based feature selection method
Makine öğrenme algoritması tabanlı özellik seçim yöntemi kullanarak akciğer kanseri tanısı için akıllı bir sistem
RUAA AZZAH SUHAIL SUHAIL
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol Altınbaş Üniversitesi
Bilgi Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. SEFER KURNAZ
Tez No
796332
An intelligent and efficient solar tracker in pv based smart grid using firefly algorithm and FPGA
Başlık çevirisi yok
AIMAN HAMEED HAWAF AL DULAIMI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol Altınbaş Üniversitesi
Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAHİ ABDU IBRAHIM
Tez No
688614
Solunum apnesi tespiti için solunum hızını ölçmeye dayalı akıllı bir sistem tasarımı ve uygulaması
An intelligent system design and implementation based on measuring respiratory rate for detection of respiratory apnes
AYŞE ATAK
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik Mühendisliği Ondokuz Mayıs Üniversitesi
Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELİM ARAS

Geri Dön