Nekonvenční model vozidla se samořídicími schopnostmi

Abstract

Cieľom tejto bakalárskej práce bolo navrhnúť a zrealizovať nekonvenčný model autonómneho vozidla schopného pohybu v interiérovom prostredí na základe vizuálnych podnetov. Dvojkolesový model bol vytvorený pomocou 3D tlače a riadený platformou Raspberry Pi. Vozidlo bolo testované v troch rôznych scenároch: (1) sledovanie čiary pomocou priebežného vyhodnocovania jej polohy, (2) smerovanie k najvzdialenejšiemu detegovanému bodu na trase a (3) navigácia podľa sekvencie farebných značiek. Každý prístup bol navrhnutý, implementovaný a experimentálne overený v rôznych svetelných a pohybových podmienkach. Výsledky testovania poukázali na výhody a obmedzenia jednotlivých metód – zatiaľ čo prvý prístup bol jednoduchý na implementáciu, vykazoval nízku stabilitu. Druhý poskytoval plynulejšie riadenie, no mal problémy s ostrými zákrutami. Tretí model tak isto nezvládal prudké zákruty a bol citlivý na svetelné podmienky, ale vynikal v plynulosti a rýchlosti. Hlavným prínosom tejto práce je demonštrácia možností realizácie rôznych prístupov k autonómnemu riadeniu aj s jednoduchým a cenovo dostupným hardvérom. Zistenia môžu slúžiť ako základ pre ďalší vývoj autonómnych modelov s dôrazom na spoľahlivosť v rôznych podmienkach a optimalizáciu riadiacich algoritmov.The goal of this bachelor’s thesis was to design and develop an unconventional model of a self-driving vehicle capable of indoor navigation based on visual cues. A two-wheeled model was created using 3D printing and controlled via the Raspberry Pi platform. The vehicle was tested in three different scenarios: (1) following a line through continuous assessment of its position, (2) driving toward the closest detected point on a predefined route, and (3) navigating using a sequence of colored signs. Each scenario was designed, implemented, and tested under various lighting and movement conditions. The testing results revealed the strengths and limitations of each method. The first method was simple to implement but exhibited low stability. The second offered smoother control but struggled with sharp turns. The third also had difficulty with sharp turns and was sensitive to changes in lighting, but it excelled in speed and fluidity. The main contribution of this work is the demonstration of different approaches to autonomous vehicle navigation using simple and affordable hardware. These findings provide a foundation for further development of autonomous models, with a focus on improving reliability under varying conditions and optimizing control algorithms.