Nalezení nejrychlejší trajektorie pro autonomní studentskou formuli

Abstract

Tato práce navrhuje algoritmus plánování trajektorie pro autonomní formuli postavenou pro mezinárodní soutěž Formula Student. V této práci se zaměřujeme na situaci, ve které je okolí vozidla do značné míry známo a popsáno globální mapou kuželů vytyčujících trať poskytnutou algoritmem SLAM. Předvádíme parametrizační metodu založenou na listu kuželů, která je robustní vůči falešným detekcím. Dále konstruujeme tři optimalizační problémy: nejkratší cestu, cestu minimalizující průměrné zakřivení a nejrychlejší cestu která bere v úvahu základní jízdní omezení vozidla. Náš algoritmus poskytuje jak cestu, tak i její optimální rychlostní profil. Naše práce je validována na několika zdrojích dat, včetně SLAM map sesbíraných v realném světě a v Formula Student Driverless Simulator, kde jsme úspěšně snížili čas projetí kola tratě na polovinu ve srovnání s jednoduchým základním algoritmem.

This thesis proposes a trajectory planning algorithm for an autonomous formula built for the international Formula Student competition. In particular, the thesis focuses on the situation where the vehicle’s environment is largely known and described by a SLAM–provided global map of cones delineating the track. We demonstrate a parametrization method based on a list of cones, that is robust to false detections. Next, we construct three optimization problems: the shortest path, the path minimizing the average curvature, and the fastest path that takes basic handling limits of the vehicle into account. The algorithm outputs both the path and its optimal speed profile. Our work is validated on multiple sources of data, including real–world SLAM maps and the Formula Student Driverless simulator, where we successfully decreased lap times by half compared to a simple baseline algorithm.