Detección de obstáculos en la trayectoria de un vehículo en entornos rurales mediante láser rotativo

Gorak Malek, Adrián (2018). Detección de obstáculos en la trayectoria de un vehículo en entornos rurales mediante láser rotativo. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S.I. Industriales (UPM), Madrid.

Descripción

Título: Detección de obstáculos en la trayectoria de un vehículo en entornos rurales mediante láser rotativo
Autor/es:
  • Gorak Malek, Adrián
Director/es:
  • Jiménez Alonso, Felipe
  • Clavijo Jiménez, Miguel
Tipo de Documento: Proyecto Fin de Carrera/Grado
Grado: Grado en Ingeniería en Tecnologías Industriales
Fecha: Febrero 2018
Materias:
Palabras Clave Informales: algoritmo, detección, láser, LiDAR, vehículo, sistemas ADAS, parámetros, identificación, puntos, nube de puntos, positivo y negativo, zanjas, resaltes, escalones, ensayo y entorno.
Escuela: E.T.S.I. Industriales (UPM)
Departamento: Ingeniería Mecánica
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (13MB) | Vista Previa

Resumen

El presente texto estudia y propone la elaboración de un algoritmo para la detección de obstáculos en la trayectoria de un vehículo en entornos rurales y que es perfectamente adaptable a entornos urbanos. La elección de este tema para la elaboración del Trabajo Fin de Grado surge por el interés del autor en todo lo relacionado al sector automóvil y en especial al campo del coche inteligente. El futuro de la automoción pasa, sin duda, por el acoplamiento de sistemas inteligentes que permitan una conducción cómoda, segura y eficiente. A continuación, se expone de forma resumida los puntos más importantes del trabajo, que se espera que sean de fácil y agradable lectura para el lector. La idea de plantear un algoritmo que permita la detección de obstáculos tiene dos campos destino, la asistencia al conductor, conocido como sistemas ADAS, y el vehículo autónomo. Ambos campos necesitan de la implantación de una inteligencia artificial que permita tomar decisiones sobre los escenarios posibles entre el vehículo y su entorno durante la conducción. La tarea en sí no es fácil por el gran abanico de posibilidades que existen. En primer lugar, se establecen los objetivos del algoritmo: 1. Detectar obstáculos ya sean de tipo positivo como los resaltes, o negativo como las zanjas. La detección debe proporcionar la distancia y tiempo de la posible colisión. 2. Con la información anterior, el algoritmo debe decidir el estado del escenario entre vehículo y entorno. Es decir, debe enviar o no señales de aviso o parada al conductor o de forma directa mandar una señal al sistema de frenado. El trabajo de este texto se enmarca dentro de un proyecto conjunto entre el INSIA (Centro Superior de Investigación del Automóvil de la Comunidad de Madrid) y el ITM (Instituto Tecnológico “La Marañosa”, Centro de I+D del Ejército de Tierra, perteneciente al Ministerio de Defensa). Todo algoritmo necesita de una entrada de información y este se corresponde con la captación de información del entorno. Esta captación se puede realizar a través de diferentes tecnologías disponibles como sensores, cámaras, ultrasonido, láseres y dispositivos GPS. Se decide por el uso de la tecnología LiDAR (Laser Imagining Detection and Ranging). Esta tecnología utiliza un láser rotatorio que dispara haces de infrarrojos alrededor y estos determinan la posición de los elementos del entorno. El campo visual del láser es de 360º en la horizontal y 30º sobre la vertical, generando aproximadamente 300 mil puntos por segundo. El dispositivo genera para cada intervalo de tiempo una nube de puntos, y estos son enviados al algoritmo para su procesamiento. Cada punto del láser contiene entre otros datos, la distancia de impacto y los dos ángulos de disparo. El punto queda así localizado en un sistema esférico de coordenadas. La primera etapa del algoritmo está ligada a la configuración del láser; la frecuencia de giro, el posicionamiento y la orientación del mismo sobre el sistema local del vehículo. Se plantean tres configuraciones distintas y una es seleccionada por la cantidad de puntos que ofrece del entorno y su relativa baja dispersión. El ensayo para la toma de datos se realiza con el láser en la línea del parachoques, a una altura de un metro sobre el suelo y con la configuración C (pitch y yaw nulos, roll de 90º). La siguiente etapa consiste en leer y convertir la información proporcionada por el láser en forma de puntos. Esto se realiza con la conversión de coordenadas esféricas a cartesianas. La etapa posterior establece la región de interés. Está región se define en las cercanías del vehículo. La elección de los límites está ligado a la efectividad del algoritmo. No tiene sentido tener regiones grandes si el algoritmo se ve limitado en la distancia de detección. Un efecto negativo de no ajustar la región puede ser el aumento de los tiempos de computación y por tanto la velocidad de detección. La cuarta etapa es la identificación de posibles obstáculos. Este proceso se realiza a través del análisis del comportamiento de la varianza y suavidad de línea de grupos formados con los puntos de una misma capa. Una capa representa todos los puntos que son disparados por el mismo canal y ángulo específico. Los puntos se filtran en función de dos parámetros filtro para la varianza y la suavidad. Todos los puntos identificados de la etapa anterior pasan a la etapa de segmentación y caracterización, que agrupa a los puntos en grupos (clusters) en función de la densidad. En cada grupo se calcula el centroide para su caracterización. Cada centroide representa en este momento un obstáculo. La sexta etapa es el seguimiento de obstáculos, también conocida como tracking. Esta etapa busca un hilo conductor entre detecciones de obstáculos y frames consecutivos. Cada nube de puntos es guardada en un frame distinto. Esto permite relacionar obstáculos a lo largo del tiempo. La siguiente etapa establece el estado del escenario entre vehículo, entorno y posibles obstáculos. Los estados posibles son tres: seguro, aviso y parada. Por último, existe una etapa de acciones que representa las dos formas posibles de actuar cuando se ha detectado un obstáculo: aviso por pantalla u orden de parada al sistema de frenada. En cada una de las etapas ha sido necesario definir y asignar valores a una serie de parámetros. El proceso de asignación de valores a los parámetros se basa, según el caso, en estimar valores según planteamientos previos, analizar comportamientos y de forma iterativa probar diferentes opciones hasta lograr unos resultados óptimos. El ensayo para la toma de datos se realizó en las instalaciones del ITM. Se ensayaron diferentes tipos de obstáculos, como zanjas, resaltes, escalones, puente y paso ciego o sin salida. Con los ensayos y varios procesos de Prueba y Error, se determinan los valores finales de los parámetros. Y se obtienen los resultados finales, de tipo gráficos y estadísticos. Los primeros sirven para una primera verificación de la eficacia del algoritmo. Los segundos proporcionan de forma cuantificable la eficacia del algoritmo. También se obtienen como resultados las distancias de detección de los diferentes obstáculos. Los resultados estadísticos proporcionaron los siguientes porcentajes: 97% de detección correcta y 3% de detección errónea. Para cada tipo de obstáculo se obtuvo un porcentaje de detección, resultando mayor los correspondientes a los obstáculos positivos. En términos generales, los obstáculos negativos son más difíciles de detectar. El 91% de las señales de STOP enviadas son correctas, frente al 9% de incorrectas. En el apartado de conclusiones se realizan las oportunas observaciones y comentarios sobre el algoritmo y el sistema conjunto de detección Por último se adjuntan en Anexos todos los códigos necesarios durante el desarrollo del presente trabajo.

Más información

ID de Registro: 50277
Identificador DC: http://oa.upm.es/50277/
Identificador OAI: oai:oa.upm.es:50277
Depositado por: Biblioteca ETSI Industriales
Depositado el: 19 Abr 2018 06:47
Ultima Modificación: 19 Abr 2018 06:47
  • InvestigaM
  • GEO_UP4
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM