Fúze senzorických dat polohy pro autonomní vozidla

Abstract

Magisterská práce se věnuje tématu fúze dat pro lokalizaci autonomních vozidel. V teoretické části jsem zmapoval široké spektrum současných technologií používaných pro lokalizaci autonomních vozidel a vytvořil jsem kompaktní shrnutí této problematiky. Praktická část se odvíjela od mé práce na projektu Toyota Mini, kde jsem měl za úkol vyřešit úkol robustního a přesného pozicování. Z rešerše jsem zvolil využití RTK diferenčních GNSS s mou vlastní korekční stanicí. Pro GNSS systém jsem navrhnul několik 3D tisků, které slouží jako krabičky pro elektroniku nebo jako držáky a kotvy antén na platformě ToMi2. Mimo jiné jsem připravil skript pro testování přesnosti algoritmů vizuální odometrie, dle jehož výsledků jsem následně zvolil nejlepší algoritmus pro datovou fúzi, který jsem integroval do ROS2 systému vozu. V neposlední řadě jsem pak implementoval samotnou datovou fúzi postavenou na Extended Kalmanově Filtru, který pracuje s daty sbíranými během reálného provozu ToMi2 vozidla. Datová fúze využívá data čtyř modalit, a to GNSS, vizuální odometrie, výsledky kinematického odometrického modelu a gyroskopu. Funkčnost lokalizačního odhadovače jsem ověřil v několika simulovaných scénářích postavených na nasbíraných datech, kde cíleně došlo k výpadkům měření. Mé řešení zachovalo funkčnost i přes ztrátu absolutních lokalizačních dat a udrželo si přijatelnou přesnost i v takto náročných podmínkách.

My Master's thesis is dedicated to data fusion-based autonomous vehicle localization. The theoretical part covers a broad spectrum of available technologies and methods for autonomous vehicle positioning, and summarizes them into a compact review. My practical work was centered around the Toyota Mini project, for which I was to deliver a robust and accurate positioning solution. The review of possible solutions led me to the application of a Real-Time-Kinematics enabled differential GNSS solution with my own correction base station. For this system, I have designed and 3D printed enclosure boxes and mounting solutions for the ToMi2 platform, configured a complete DGNSS system and successfully deployed it. Furthermore, I have devised a visual odometry testing tool, based on which I have guided the choice of the selected visual odometry algorithm for the platform. Lastly, I have completed an EKF data fusion vehicle localization script, which operates with data gathered from the ToMi2 platform during its operation. Data fusion harnesses data of four modalities: GNSS, visual odometry, odometry model and inertial measurement unit. Validity of implementation was tested in several simulated scenarios with real-world data, where select measurement was missing or dropped out for a brief time period. My proposed solution sustained all the challenges and maintained acceptable estimation accuracy.