Piecewise linear continuous-curvature path planning for autonomous vehicles (2018)
- Authors:
- Autor USP: SILVA, JÚNIOR ANDERSON RODRIGUES DA - EESC
- Unidade: EESC
- Sigla do Departamento: SEL
- Subjects: VEÍCULOS; SISTEMAS AUTÔNOMOS; TRAJETÓRIA
- Keywords: CLOTÓIDES
- Language: Inglês
- Abstract: Veículos autônomos têm cada vez mais se tornado um campo atraente de pesquisa devido às suas capacidades promissoras de melhorias em segurança, conforto, fluxo de tráfego, etc. Um atributo necessário para esses veículos é a capacidade de calcular, de forma autônoma, o seu caminho para um ponto de destino. O percurso deve ser planejado considerando os aspectos construtivos do veículo para que a viabilidade das manobras a serem executadas seja garantida. Este trabalho consiste no planejamento de trajetória para veículos autônomos com restrições não-holonômicas. Utilizam-se, para esse efeito, trajetórias cuja curvatura seja contínua e linear por partes, constituídas por clotóides, arcos de circunferência e retas, de forma a proporcionar conforto aos passageiros. A topologia de vias é modelada a partir de trajetórias definidas por pontos de GPS (Sistema de Posicionamento Global), definindo pistas, rotatórias e cruzamentos. Pontos de GPS são usados posteriormente para parametrizar as pistas usando clotóides a para extrair centros e raios das rotatórias. Essa abordagem proporciona um modelo esparso de topologia de vias uma vez que pontos de GPS são substituídos por curvas parametrizadas. A informação a cerca das conexões entre vias adviuda do modelo é usada por um planejador de caminho global, o qual calcula a rota mais curta da posição atual do veículo até seu ponto de destino. Após essa etapa, planejadores calculam caminhos em cruzamentos e rotatórias dependendo do tipo de conexão entre as vias. Também, trocas de faixa devem ser executadas para obedecer regras de trânsito. Esses três planejadores de caminho usam clotóides, arcos de circunferência e retas como curvas interpoladoras, cuja curvatura é restrita a valores que o veículo é capaz de executar: o planejador de caminho em cruzamentos usa apenas um mínimo de velocidade de rotação do volante do veículopara executar a manobra, melhorando o nível de conforto: o planejador de caminho em rotatórias requer as coordenadas do centro e o raio da rotatória, bem como parâmetros que definem as manobras na entrada e na saída da rotatória para calcular o caminho; o planejador de caminho para troca de faixa conecta pistas pertencentes à mesma via com uma distância longitudinal do caminho previamente determinada. Ao final, um caminho com curvatura globalmente contínua é gerado. Como resultado deste trabalho, um cenário urbano real é modelado e os métodos propostos são validados
- Imprenta:
- Publisher place: São Carlos
- Date published: 2018
- Data da defesa: 26.01.2018
-
ABNT
SILVA, Júnior Anderson Rodrigues da. Piecewise linear continuous-curvature path planning for autonomous vehicles. 2018. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2018. Disponível em: http://www.teses.usp.br/teses/disponiveis/18/18153/tde-02032018-095552/. Acesso em: 24 abr. 2024. -
APA
Silva, J. A. R. da. (2018). Piecewise linear continuous-curvature path planning for autonomous vehicles (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/18/18153/tde-02032018-095552/ -
NLM
Silva JAR da. Piecewise linear continuous-curvature path planning for autonomous vehicles [Internet]. 2018 ;[citado 2024 abr. 24 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18153/tde-02032018-095552/ -
Vancouver
Silva JAR da. Piecewise linear continuous-curvature path planning for autonomous vehicles [Internet]. 2018 ;[citado 2024 abr. 24 ] Available from: http://www.teses.usp.br/teses/disponiveis/18/18153/tde-02032018-095552/ - Autonomous driving: learning to make decisions in uncertain environments
- Decision making for autonomous vehicles at signalized intersection under uncertain traffic signal phase and timing information
- Route scheduling system for multiple self-driving cars using K-means and bio-inspired algorithms
- Maximum entropy inverse reinforcement learning using Monte Carlo tree search for autonomous driving
- Continuous deep maximum entropy inverse reinforcement learning using online POMDP
- Sparse road network model for autonomous navigation using clothoids
- CNN-Planner: a neural path planner based on sensor fusion in the bird's eye view representation space for mapless autonomous driving
- Integrating modular pipelines with end-to-end learning: a hybrid approach for robust and reliable autonomous driving systems
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas