FenixEdu™

Dissertação

A SLAM Method for the Formula Student Driverless Competition EVALUATED

Detalhes: A área da condução autónoma tem sido alvo de bastante atenção nos últimos anos devido à constante pressão, por parte das autoridades e sociedade em geral, para veículos e estradas mais seguros, aliado aos avanços nas áreas da visão por computador e controlo. Num esforço constante para seguir as tendências do mundo automóvel, a Formula Student Germany introduziu a classe Driverless, onde os protótipos devem completar um conjunto de eventos de forma totalmente autónoma sem qualquer conhecimento prévio da pista. Simultaneous Localization and Mapping (SLAM) aborda o problema de localizar um agente em movimento enquanto, simultaneamente, constrói um mapa do ambiente queo rodeia. SLAM é considerado pela comunidade científica como um dos problemas mais complexos relativos à condução autónoma. Esta tese tem por objectivo realizar uma análise comparativa dos métodos de SLAM mais utilizados no ambiente de Formula Student. Três algoritmos distintos foram implementados de raiz e testados tanto em simulação como em dados reais. Os algoritmos em estudo consistem em duas abordagens baseadas em filtros de partículas e outra baseada em grafos. Para além disso, é ainda proposto um novo método para o problema de data association, que combina informação de rastreamento com métodos tradicionais. Os resultados mostram que a implementação baseada em grafos obteve resultados consideravelmente melhores do que as implementações baseadas em filtros de partículas, sendo ao mesmo tempo bastante mais eficiente computacionalmente. Relativamente aoproblema de data association, o método proposto, quando comparado com os restantes métodos em estudo, apresentou também os melhores resultados.
Keywords: SLAM, Data Association, Condução Autónoma, Formula Student

Discussão: outubro 25, 2021, 8:0