FenixEdu™

Dissertação

A Perception Pipeline for an Autonomous Formula Student Vehicle EVALUATED

Detalhes: Numa tentativa de aumentar a segurança rodoviária e reduzir os acidentes causados por erro humano, a indústria automóvel tem vindo a investir no desenvolvimento de veículos autónomos. Estes necessitam de realizar todas as tarefas que um ser humano realizaria ao conduzir um veículo comum, o que engloba ser capaz de observar e compreender o ambiente à volta do veículo, em tempo real e utilizando uma combinação de sensores de alta tecnologia, de forma a planear uma trajectória em conformidade. Seguindo a tendência da indústria automóvel, a Formula Student, uma das mais estabelecidas competições educativas de engenharia da Europa, introduziu a categoria de Driverless, que desafia os estudantes a construir um carro de corrida autónomo de alto desempenho. Nestas competições, as pistas pelas quais o carro autónomo deve navegar são desconhecidas e delimitadas por cones de diferentes cores. Nesta tese é apresentada uma pipeline de percepção para um carro de Formula Student que explora as melhores características de cada sensor de forma a identificar os cones e, utilizando redes neuronais convolucionais personalizadas, classificar a sua cor. Para testar o desempenho da pipeline, realizou-se um estudo de ablação sobre os métodos utilizados para identificar os cones e avaliaram-se, indivualmente, ambos os classificadores e o módulo de rastreamento. Os resultados obtidos mostram que a pipeline de percepção proposta é capaz de detectar e classificar os cones com exatidão e em tempo real, mesmo correndo a pipeline apenas em CPU, algo que se mostrou não ser possível utilizando detectores de objectos de deep learning.
Keywords: Detecção de cones, fusão sensorial, classificação, percepção, redes neuronais convolucionais, condução autónoma.

Discussão: outubro 26, 2021, 8:0