Estimation of vehicle signals for autonomous driving applications
Otonom sürüş uygulamaları için araç sinyallerinin tahmini
- Tez No: 766659
- Danışmanlar: PROF. DR. KLAUS VERNER SCHMİDT
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Robotik Bilim Dalı
- Sayfa Sayısı: 137
Özet
Bu çalışmanın amacı otonom sürüş uygulamaları için durum kestirici geliştirmektir. Otonom sürüş teknolojileri ve Yardımcı Sürüş Destek Sistemleri (YSDS) için artan talep ve kullanımdaki artış, araç güvenliği üzerinde önemli bir yer oynamaktadır. Bu otonom sürüş uygulamaları, işleyişleri sağlamak için çeşitli araç sinyallerinin gözlemlenmesine ihtiyaç duymaktadır. Ancak gerekli sinyallerin bir kısmı sensörler tarafından doğrudan gözlemlenebilir olmayabilir veya gerekli sinyali gözlemlemek için kullanılan sensörler seri üretim için çok pahalı veya büyük olabilir. Bu nedenle, otonom sürüş uygulamaları için pahalı olmayan sensörlerden gerekli araç sinyallerinin tahmini endüstride çok talep edilen bir konudur. Bu tez, bir çok modern araçta bulunabilen IMU, GPS alıcısı, tekerlek kodlayıcıları ve direksiyon açısı sensörlerini kullanarak araç navigasyon çözümünü, savrulma oranını, lastik kaymalarını ve lastik kuvvetlerini gözlemlemeyi amaçlamaktadır. Bunu başarmak için; araç konum, hız ve yönelimlerini kestiren bir Genişletilmiş Kalman Filtresi (GKF) mimarisi önerilmiştir. Daha sonra, gerekli teker durumlarının araç seyrüsefer çözümü kullanılarak kestirilmesi için bir method önerilmiştir. Bu çalışma kapsamında, sensör verileri ve araç dinamiğinin simüle edilmesi amacıyla Gazebo Classics Simulator ve ROS-2 aracı yazılımı kullanılan bir simulasyon ortamı kurulmuştur. Ek olarak, önerilen algoritmalar ROS-2 düğümleri olarak gerçekleştirilmiştir. Deneyler, tasarlanan simülasyon ortamında bir araç modeli kullanılarak gerçekleştirilmiştir. Sonuçlar, önerilen algoritmanın 5 metrelik bir hata içinde konum kestirimleri, 0,5 cm/sn hata içinde hız kestirimleri ve 0,5 derecelik hata içinde yönelim kestitimleri üretebildiğini göstermiştir. Ayrıca, önerilen algoritma, yönelim tahminlerinin kalitesini iyileştirmek için baş açısında yeterli değişiklik göstermesi koşulu ile, 200-N'ye kadar hata ile yanal ve boyuna lastik kuvvetini gözlemleyebilir. Sonuçlar, tavsiye edilen algoritmaların yeterli araç seyrüsefer çözümü ve teker durumları kestirebildiğini göstermiştir.
Özet (Çeviri)
The aim of this study is to develop a state estimator for autonomous driving applications. The increasing demand and usage of self-driving vehicle technologies and Advanced Driver Assistance Systems (ADAS) play a vital role in vehicle safety. In order to ensure their operations, these autonomous driving applications require the observation of various vehicle signals. However, some of the necessary signals might not be directly observed by the sensors or the sensors to observe the necessary signal might be too expensive or big for mass production. Therefore, estimating necessary vehicle signals from inexpensive sensors for autonomous driving applications is a very demanding topic in the industry. This thesis aims to observe vehicle navigation solutions, yaw rate, tire slips, and tire forces using the IMU, GPS receiver, wheel encoders, and steering angle sensor found in many modern vehicles. In order to accomplish this, an Extended Kalman Filter (EKF) architecture is proposed to estimate the vehicle position, velocity, and attitude. Then a method to observe the necessary tire states using the vehicle navigation solution is proposed. A simulation environment using Gazebo Classics Simulator and ROS-2 middle-ware is built for the study to simulate vehicle dynamics and sensor data. Also, the proposed algorithms are implemented as ROS-2 nodes for real-time experiments. The experiments have been performed using a vehicle model in this environment. The results showed that the proposed algorithm could produce position estimates within a 5-meter error, velocity estimates within the 0.5 cm/s error, and attitude estimates within the 0.5-degree error. Moreover, the proposed algorithm can observe lateral and longitudinal tire force with up to 200-N error if there is sufficient change in heading to improve the quality of attitude estimates. Results showed that the proposed architecture could estimate sufficient vehicle navigation solutions and tire states.
Benzer Tezler
- An intelligent overtaking assistant for autonomous racing cars
Otonom yarış araçları için bir akıllı sollama asistanı
ERSİN ARMAĞAN
Yüksek Lisans
İngilizce
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Uydu verileri ile konum takibi yapan otonom araç
Autonomous vehicle tracking location with satellite data
OĞUZHAN TAŞKIRAN
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiHaliç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SONER ÖZGÜNEL
- Orta menzilli otomotiv radarları için çift eğik polarizasyonlu mikroşerit yama anten dizisi tasarımı
Dual slant polarization microstrip patch antenna design for medium range automotive radars
FURKAN MUHAMMED TAYDAŞ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SELÇUK PAKER
- Crowd localization and counting via deep flow maps
Derin öğrenme ile çıkarılan hareket haritaları kullanılarak nesne kalabalıklarının tespiti ve sayımı
PEDRAM YOUSEFI
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL
- Katlanabilir kanatlara sahip bir insansız hava aracının tasarımı, üretimi ve testleri
Design, manufacturing and testing on unmanned air vehicle with foldable wings
İREM ÖZGÜR
Yüksek Lisans
Türkçe
2019
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. GÖKHAN İNALHAN