An efficient road representation for autonomous vehicles using arc-splines with application to trajectory planning
Otonom araçlar için verimli bir otoyol modellemesi ve rota planlamada yay-eğrileri kullanımı
- Tez No: 902378
- Danışmanlar: PROF. DR. KLAUS VERNER SCHMİDT
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Otonom sürüş teknolojisi, özellikle trafiğin sabit ve kesintilerin az olduğu otoyollarda, geleceğin ulaşımının temelini oluşturmaktadır. Otoyollarda otonom sürüşün uygulanması, güvenliği, trafik akışını ve çevresel etkileri iyileştirirken, uzun mesafeli seyahat ve lojistik için de faydalar sağlar. Otoyollarda otonom araçlar (AV'ler) için güzergah planlaması genellikle düşük bellek gereksinimleriyle son derece doğru bir yol modeli sağlamayı amaçlayan yüksek çözünürlüklü (HD) haritalara dayanır. Otoyollar genellikle yol eğriliğinde doğrusal bir değişiklikle karakterize edilen ve araçlar tarafından yüksek hızlarda takip edilebilen klotoid eğrilerle tasarlanmıştır. Klotoidlerin analitik bir modeli olmadığından, bu çalışma, klotoid eğrilerini yenilikçi bir bellek verimli HD harita modeli için yaklaşık olarak tanımlamak amacıyla arc-splines ve düz çizgi segmentlerini birleştiren bir algoritma geliştirmektedir. OpenStreetMap ve HERE haritalarından alınan gerçek yol verilerini kullanarak, arc-splines ve düz çizgiler kullanarak yapılan analitik yol modeli ile yaklaşık 3 santimetre doğruluk elde edildiğini gösteriyoruz. Yöntemimizin bir diğer avantajı, referans bir şeridin paralel olarak kaydırılmasıyla otoyoldaki tüm şeritlerin hesaplanabilmesidir. Yol modeli kullanımını göstermek için, tipik otoyol koşulları altında Bézier eğrileri ve yay-eğrileri kullanarak AV'ler için güzergah planlaması yapıyoruz. Bulgularımız, yay-eğrisi güzergahlarının kontrol edilebilirlik ve hesaplama verimliliği açısından Bézier eğrilerinden üstün olduğunu vurgulamaktadır. Genel olarak, bu araştırma, konum, yön ve eğrilik gibi geometrik özellikler de dahil olmak üzere doğru yol bilgilerinin düşük bellek gereksinimleri ve hesaplama çabası ile elde edilebileceğini göstermektedir.
Özet (Çeviri)
Autonomous driving technology is the basis of future transportation, particularly on highways, where conditions are optimal due to steady traffic and minimal interruptions. Implementing autonomous driving on highways enhances safety, traffic flow, and environmental impact while benefiting long-distance travel and logistics. Trajectory planning for autonomous vehicles (AVs) on highways is commonly based on high-definition (HD) maps, which aim to provide a highly accurate road representation with low memory requirements. Highways are typically designed with clothoid curves, which are characterized by a linear change in road curvature and can be followed by vehicles at high speeds. Since clothoids lack an analytical representation, this study develops an algorithm combining arc-splines and straight-line segments to approximate clothoid curves for a novel memory-efficient HD map representation. Using real road data from OpenStreetMap and HERE maps, we demonstrate that an analytical road representation using arc-splines and straight segments achieves approximately 3 centimeters of accuracy. A further benefit of our method is the computation of all lanes on a highway by parallel shifting a reference lane. To showcase the usability of our road representation, we perform trajectory planning for AVs using Bézier curves and arc-splines under typical highway conditions. Our findings highlight that arc-spline trajectories are superior to Bézier curves in terms of controllability and computational efficiency. Overall, this research demonstrates that accurate road information, including geometric properties like position, heading, and curvature, can be achieved with low memory requirements and computational effort.
Benzer Tezler
- Otonom araçların geleneksel araçlara kıyasla algısı
Perception of autonomous cars compared to traditional cars
ÖNDER CEM HAZIR
Yüksek Lisans
Türkçe
2021
İstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Kanal tabanlı özellik temsili ve derin öğrenmeye dayalı uykululuk sınıflandırması
Drowsiness classification based on channel-based feature representation and deep learning
MUSTAFA RIFAT ÇELİK
Yüksek Lisans
Türkçe
2025
İstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Multimodal vision-based driver monitoring system in autonomous vehicles
Çok modlu görüntü tabanlı sürücü izleme sistemi otonom araçlarda
LEILA GHASEMZADEH
Yüksek Lisans
İngilizce
2023
İstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
Yükleniyor...
- Lane detection with deep learning: a systematic literature mapping
Derin öğrenme ile şerit tespiti: sistematik bir literatür haritalamasi
SEFTİN ÖNAL
- Dizel motorlu otobüsler için yakıt yüketiminin sanal analizi ve optimizasyonu
Virtual analysis and optimization of fuel consumption for diesel-powered buses
AHMET MURAT YILMAZLAR