Detekce překážek před autonomním vozidlem zpracováním dat lidaru

Abstract

V této bakalářská práci jsem měl za úkol vyvinout algoritmus pro sběr, vizualizaci a vyhodnocení dat z LIDARu, na kterém bude dále postaven robustní systém pro detekci překážek před autonomním vozítkem fúzí dat z LIDARu a kamery. Cílem bylo tento systém implementovat a experimentálně ověřit jeho funkčnost na vozítku Jetracer řízeném mikropočítačem Jetson Nano. Součástí práce je i text týkající se autonomních vozidel a jejich rozřazení do úrovní podle stupně autonomie. Další část práce je věnována možným senzorickým metodám detekce překážek a jejich porovnání. V práci je zdokumentováno rozšíření vozítka Jetracer o LIDAR RPLiDAR A1 formou 3D tisknutého nástavce, navrženého v grafickém programu Inventor. Detailně vysvětlíme kód pro detekci překážek a mapování prostoru kolem vozítka, který bude poté sloučen s kódem Šimona Jelínka pro detekci překážek zpracováním obrazu z kamery. Součástí práce je i testování systému na reálné trati, kde bude vozítko reagovat na různé překážky. Funkčnost systému bude na základě těchto experimentů vyhodnocena. Závěr práce shrnuje dosažené výsledky a předkládá náměty pro budoucí rozvoj tohoto systému.

In this bachelor's thesis, my task was to develop an algorithm for collecting, visualization, and evaluation of LIDAR data, on which we would build a robust system for detecting obstacles in front of an autonomous vehicle using combination of data from LIDAR and camera. The goal was to implement this system and to experimentally verify its functionality on the Jetracer vehicle controlled by the Jetson Nano microcomputer. Part of this thesis is a text on autonomous vehicles and their division into levels according to degrees of autonomy. Another part of the work is devoted to possible sensory methods of detection of obstacles and their comparison. In the work is documented expension of Jetracer vehicle with LIDAR RPLiDAR A1 in the form of a 3D printed attachment, designed in the graphics program Inventor. Then we will explain in detail the code for detection of obstacles and maping of space around the vehicle, which will then be combined with Simon Jelinek's code for detecting obstacles by processing the image acquired from camera. Part of the work is also a test of the system on a real track, where the car will react to different types of obstacles. The functionality of the system will be evaluated on the basis of these experiments. The conclusion of the work summarizes the results and introduces recommendations and targets for the future development of this system.