Samočinné řízení modelu vozidla s technologií LiDAR

Abstract

Cílem této práce je ukázka schopností jednoduchého samočinného vozidla využívající technologii LiDAR pro orientaci v prostoru. Pro zpracování dat, vyhodnocení situace a ovládání modelu vozidla slouží výpočetní platforma Raspberry Pi. Řídicí algoritmy, implementované v jazyce Python, byly navrženy speciálně pro účely této práce. První algoritmus umožňuje jízdu ohraničenou trasou (například tunelem) a vyhýbání se překážkám, na které může vozidlo po cestě narazit. Druhý algoritmus vyhledá volný průjezd ve zdi a následně navádí vozidlo skrze něj. Funkčnost byla ověřena opakovaným testováním navržených scénářů pro oba algoritmy. Úspěšnost prvního algoritmu činí 72 %, kdy nejčastějším problémem byla pozdní reakce na ostré zatáčky, což vedlo ke zbytečnému zastavení vozidla. Testy druhého algoritmu ukázaly, že LiDAR není ideální pro detekci a orientaci v otevřenějším prostoru bez použití pokročilejších metod, například umělé inteligence. Nicméně i přes značná omezení zde bylo dosaženo úspěšnosti 58 %.

The aim of this work is to demonstrate the capabilities of a simple self-driving vehicle using LiDAR technology for orientation in space. A Raspberry Pi computing platform is used to process the data, evaluate the situation and control the vehicle model. The control algorithms, implemented in Python, were designed specifically for the purpose of this work. The first algorithm allows driving along a bounded route (e.g. a tunnel) and avoiding obstacles that the vehicle may encounter along the way. The second algorithm locates an open passage in a wall and then guides the vehicle through it. The functionality was verified through repeated testing of the proposed scenarios for both algorithms. The success rate of the first algorithm was 72 %, with the most common problem being a late reaction to sharp turns, which led to unnecessary stopping of the vehicle. Tests of the second algorithm showed that LiDAR is not ideal for detecting and navigating in more open spaces without the use of more advanced methods such as artificial intelligence. However, despite significant limitations, a success rate of 58 % was achieved here.