Algoritmus pro průjezd prvním kolem závodu autonomní studentské formule

Abstract

Tato práce se zaměřuje na algoritmy pro lokálnı́ plánovánı́, které umožňujı́ au-tonomnı́ formuli dokončit prvnı́ kolo soutěže Formula Student Driverless. Lokálnı́ plánovánı́ zahrnuje algoritmy lokálnı́ho plánovánı́ trasy a generovánı́ rychlostnı́ho profilu. Hlavnı́m cı́lem lokálnı́ho plánovánı́ je efektivně dokončit prvnı́ kolo na neznámé trati za co nejkratšı́ čas. Plánovánı́ trasy produkuje hladkou trasu na základě vstupů z senzorů v reálném čase a využı́vá přı́stupu založeného na středové linii, který klade důraz na spolehlivost před optimálnostı́ trasy. Algoritmus byl testován s různými úrovněmi přesnosti detektoru, což ukazuje jeho odolnost vůči potenciálnı́m nepřesnostem. Lokálnı́ plánovač rychlostı́ generuje rychlostnı́ profil s ohledem na křivost trasy a dynamiku vozidla. Plánovač rychlosı́ zajišt’uje, že vozidlo jezdı́ v rámci svých ma-ximálnı́ch bezpečných rychlostnı́ch limitů, což v konečném důsledku vede k rych-lejšı́mu dokončenı́ kola. Navrhované algoritmy byly vyhodnoceny prostřednictvı́m experimentů v simulátoru, přičemž byly zohledněny různé scénáře a různé trati. Výsledky demonstrujı́ úspěšnou navigaci vozidla v prvnı́m kole a dosaženı́ konku-renčnı́ch časů na kolo.

The thesis focuses on local planning algorithms that allow an autonomous formula to complete the first lap of the Formula Student Driverless competition. Local planning includes local path planning and speed profile generation algorithms. The primary objective of local planning is to efficiently complete the first lap of an unknown track, aiming for the fastest possible time. The path planning produces a smooth path based on real-time sensor inputs and uses a center-line approach that prioritizes reliability over path optimality. The algorithm was tested with different levels of perception accuracy, showing its robustness against potential inaccuracies. The local speed planning generates a speed profile taking into account path curvature and vehicle dynamics. Speed planning ensures that the vehicle drives within its maximum safe speed limits, eventually leading to faster completion of the lap. The proposed algorithms were evaluated through experiments in a simulator, considering various scenarios and different tracks. The results demonstrate the successful navigation of the vehicle in the first lap, achieving competitive lap times.