Sensores IoT para aplicaciones de conducción autónomo: simulación y evaluación

Abstract

La industria automovilística está enfrentándose en la actualidad a grandes retos relacionados con el uso y la fiabilidad de sensores IoT, en donde los vehículos deberán estar comunicados entre sí para compartir la información proporcionada por la red de sensores IoT, lo cual permite perfeccionar la conducción autónoma en términos de seguridad, así como reducir sustancialmente los accidentes de tráfico mejorando la movilidad, evitando las congestiones viales y el flujo de tráfico.
Hoy en día, la información proporcionada por la red de sensores IoT tiene una serie de inconvenientes relacionados, entre otras cosas, con el fallo de los sensores o por las perturbaciones producidas en las señales de comunicación emitidas por el Sistema Global de Navegación por Satélite (“Global Navigation Satellite System”, GNSS). Por lo tanto, surge la necesidad de incorporar información sensorial externa para asegurar la fiabilidad en la detección de objetos. En el presente Trabajo Fin de Máster se propone incorporar sensores IoT en varios vehículos para obtener información detallada de los diferentes tipos de obstáculos que se pueden encontrar a lo largo de la trayectoria. El tipo de sensor IoT utilizado en este trabajo se corresponde con una cámara Bumbleebe 2 que permite el reconocimiento de patrones (ej. forma, tipo, posición y tamaño) para posteriormente enviar la información detallada a una estación central. Esta estación es la encargada de recibir, gestionar y enviar la evaluación de los datos a la red de sensores IoT. De esta manera, incluso vehículos que no tengan disponibilidad de sensores IoT, pueden hacer uso de la información proporcionada por la estación central para optimizar la precisión en la detección de los objetos dentro del escenario y así, poder asegurar la fiabilidad de estos sensores. La estación central está desarrollada en un software de programación externo Qt y cuyo lenguaje de programación es C++. En este nodo principal se genera un mapa dinámico local que está compuesto por el total de objetos detectados por cada sensor IoT. El fin de este mapa es mejorar la precisión en la detección de objetos debido a la cooperación de todos los sensores que componen la red.
Finalmente, se ha realizado una serie de ensayos para la validación de la red de sensores IoT, mediante la utilización de la herramienta de simulación 3D Webots 2018r. Esta herramienta es la misma que permite simular la configuración real existente de la pista de pruebas para la conducción autónoma situada en el Centro de Automática y Robótica (CAR), ubicado en la Ctra. Campo Real Km. 0.2, Arganda del Rey (Madrid, España). Además, se ha trazado como líneas futuras la validación de este sistema en un entorno real mediante la utilización de la pista de conducción y los autos disponibles en el CAR.
----ABSTRACT----
The automotive industry is currently facing major challenges related to the use and reliability of IoT sensors, where vehicles must be communicated with each other to share the information provided by the IoT sensor network, which allows to improve autonomous driving in terms of safety, as well as substantially reducing traffic accidents by improving mobility, avoiding road congestion and traffic flow.
Nowadays, the information provided by the IoT sensor network has a series of drawbacks related, among other things, to the failure of the sensors or to the disturbances produced in the communication signals issued by the Global Navigation Satellite System (“Global Navigation Satellite System", GNSS). Therefore, the need arises to incorporate external sensory information to ensure reliability in the detection of objects. In this Final Master's Project, it is proposed to incorporate IoT sensors in several vehicles to obtain detailed information on the different types of obstacles that may be encountered along the trajectory.
The type of IoT sensor used in this work corresponds to a Bumbleebe 2 camera that allows the recognition of patterns (eg shape, type, position and size) to later send the detailed information to a central station. This station is in charge of receiving, managing and sending the evaluation of the data to the IoT sensor network. In this way, even vehicles that do not have the availability of IoT sensors, can make use of the information provided by the central station to optimize the accuracy in the detection of objects within the scenario and thus, be able to ensure the reliability of these sensors. The central station is developed in an external programming software Qt and whose programming language is C ++. In this main node, a local dynamic map is generated, which is composed of the total number of objects detected by each IoT sensor. The purpose of this map is to improve the accuracy in the detection of objects due to the cooperation of all the sensors that make up the network. Finally, a series of tests has been carried out for the validation of the IoT sensor network, using the Webots 2018r 3D simulation tool. This tool is the same one that allows to simulate the real existing configuration of the test track for autonomous driving located in the Center for Automation and Robotics (CAR), located in the Ctra. Campo Real Km. 0.2, Arganda del Rey (Madrid, Spain). In addition, it has been outlined as future lines the validation of this system in a real environment using the driving track and cars available in the CAR.