zunia.vn

Tuyển sinh 2024 dành cho Gen-Z

zunia.vn

» Kỹ Thuật - Công Nghệ

» Cơ khí - Chế tạo máy

Nghiên cứu điều khiển quỹ đạo chuyển động cho ô tô tự lái trên đường thực tế

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:6

Báo xấu

7
lượt xem 4
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

"Nghiên cứu điều khiển quỹ đạo chuyển động cho ô tô tự lái trên đường thực tế" được tiến hành nghiên cứu điều khiển quỹ đạo chuyển động của ô tô tự lái bám sát theo đường tham chiếu trên đường thực tế trong một số trường hợp cụ thể. Mời các bạn cùng tham khảo nội dung chi tiết!

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Nghiên cứu điều khiển quỹ đạo chuyển động cho ô tô tự lái trên đường thực tế

Trường Đại học Giao thông vận tải https://www.utc.edu.vn/ ---------------------------------------------------------------------------------------------------------------------------- NGHIÊN CỨU ĐIỀU KHIỂN QUỸ ĐẠO CHUYỂN ĐỘNG CHO Ô TÔ TỰ LÁI TRÊN ĐƯỜNG THỰC TẾ Giảng viên hướng dẫn: TS. Vũ Văn Tấn Sinh viên thực hiện: Phạm Huy Hoàng Lớp: KSTN ô tô K-60 Nguyễn Đức Thắng Kỹ sư tài năng K-60 Ngô Thị Thu Hoài Kỹ sư tài năng K-60 Lê Ngọc Anh Ô tô 3 K-59 Nguyễn Trung Đức Ô tô 3 K-62 Tóm tắt: Công nghệ ô tô tự hành hiện nay đang phát triển rất nhanh và có tiềm năng lớn trong tương lai, trong đó việc nâng cấp công nghệ lái là điều hết sức cần thiết. Công nghệ lái ở đây bao gồm 2 yếu tố đó là lập kế hoạch chuyển động và điều khiển vô lăng cho xe bám theo đường tham chiếu. Phương pháp Frenet đã được nghiên cứu ứng dụng để tối ưu việc lập kế hoạch chuyển động cho ô tô tự lái trong các trường hợp thực tế và cho kết quả chính xác. Phương pháp Stanley là một trong các phương pháp điều khiển cũng được rất nhiều hãng phát triển ô tô tự hành sử dụng vì tính đơn giản và ổn định của nó Từ khóa: Phương pháp Frenet; Biểu đồ Frenet; Phương pháp Stanley; Ô tô tự hành trên đường thực. 1. ĐẶT VẤN ĐỀ Theo thống kê 90% số vụ va chạm giao thông là lỗi do tài xế (say rượu, mất tập trung, vi phạm luật giao thông,…). Do đó xe tự hành được kỳ vọng là sẽ giảm thiểu được đáng kể tai nạn giao thông. Tuy nhiên, để một chiếc xe tự hành có thể hoạt động một cách chính xác và trơn tru thi ngoài nhưng trang bị thiết yếu như các cảm biến ngoại vi, bộ xử lý trung tâm, cơ cấu lái,…. một yếu tố rất quan trọng nữa đó chính là kế hoạch chuyển động. Trong bài nghiên cứu này, nhóm SV sẽ nghiên cứu điều khiển quỹ đạo chuyển động của ô tô tự lái bám sát theo đường tham chiếu trên đường thực tế trong một số trường hợp cụ thể như sau: + TH1: Xe tự lái di chuyển tự do từ điểm A đến điểm B cho trước với vận tốc 30km/h + TH2: Xe tự lái di chuyển từ điểm A đến điểm B trên đường thực với tốc độ dưới 30km/h gặp người đi bộ qua đường cắt ngang. + TH3: Xe tự lái di chuyển từ điểm A đến điểm B trên đường cao tốc với tốc độ tăng dần đến 30km/h tránh xe phía trước. Trong cả 3 trường hợp được nêu trên, các dữ liệu về chướng ngại vật như khoảng cách tương đối từ chướng ngại vật đến xe tự lái; vận tốc, chiều chuyển ------------------------------------------------------------------------------------------------------------------------------ Kỷ yếu NCKHSV năm học 2021-2022 25
Trường Đại học Giao thông vận tải https://www.utc.edu.vn/ ---------------------------------------------------------------------------------------------------------------------------- động của chướng ngại vật, bản đồ, tọa độ các điểm A, B đều là cho trước. Bộ dữ liệu này có mục đích tạo điều kiện môi trường thí nghiệm lý tưởng cho xe tự lái hoạt động. Trong bài nghiên cứu này, mô hình ô tô là mô hình động học cơ bản, được xây dựng trên hệ tọa độ Frenet. Thư viện sử dựng để mô phỏng là Matplotlib; ngôn ngữ lập trình Python. 2. CÁC NỘI DUNG CHÍNH 2.1 Xây dựng đường tham chiếu cho ô tô tự lái trên đường thực tế 2.1.1 Phương pháp Frenet Một quỹ đạo được xây dựng dựa trên tập hợp các vector trạng thái theo thời gian. Thuật toán Frenet là một trong những thuật toán lập kế hoạch đường đi tránh chướng ngại vật hiệu quả nhất cho xe tự lái trên bản đồ 2D. Nó đặc biệt phù hợp với môi trường có cấu trúc, chẳng hạn như đường cao tốc, nơi mà có đường tham chiếu được định sẵn. Hình 2.1 Biểu diễn một đường tham chiếu trong tọa độ Frenet (s, d) trên một đoạn đường. Tọa độ s đại diện cho độ dài chạy và bắt đầu bằng s = 0 ở đầu đường tham chiếu. Các vị trí bên so với đường tham chiếu được biểu diễn bằng tọa độ d. Các vị trí trên đường tham chiếu được biểu diễn với d = 0. d là dương ở bên trái của đường tham chiếu và âm ở bên phải của nó, mặc dù điều này phụ thuộc vào quy ước được sử dụng cho hệ quy chiếu cục bộ. 2.1.2 Lập kế hoạch quỹ đạo Đầu tiên, ta đặt ô tô vào hệ tọa độ Frenet với trục dọc là trục s trùng với đường tham chiếu ban đầu và trục bên là trục d có độ cong song song với đường tham chiếu ban đầu. chuyển động bên ⃗⃗⃗⃗𝑑 và chuyển động dọc ⃗⃗⃗ 𝑠 . Ta chia quãng đường s thành những quãng 𝑉 𝑉 Sau đó lấy các giá trị: vận tốc ban đầu, gia tốc, độ rộng mặt đường để lập kế hoạch nhỏ để dễ xử lý như cung cấp vận tốc V bao nhiêu, gia tốc bao nhiêu và góc xoay φ bao nhiêu. ------------------------------------------------------------------------------------------------------------------------------ Kỷ yếu NCKHSV năm học 2021-2022 26
Trường Đại học Giao thông vận tải https://www.utc.edu.vn/ ---------------------------------------------------------------------------------------------------------------------------- Hình 2.5 Các đặc trưng của ô tô tự lại được thể hiện trên đồ thị Frenet Từng bước tiếp theo ta sẽ xây dựng từng quãng đường nhỏ dựa theo quỹ đạo ban đầu và những vật thể xung quanh. 2.2 Thiết kế thuật toán Stanley điều khiển bám theo đường tham chiếu Sau khi đã xây dựng được kế hoạch quỹ đạo, thuật toán Stanley được sử dụng để tâm ứng với tâm cầu trước, mục đích là điều khiển góc lái 𝛿 sao cho giá trị e luôn là điều khiển ô tô tự lái bám theo đường quỹ đạo. Sử dụng mô hình ô tô một vết, đặt trọng nhỏ nhất. Trong đó e là khoảng cách giữa tâm cầu trước với đường tham chiếu. Hình 2.11 Mô hình động học của ô tô 2.3 Kết quả mô phỏng và đánh giá 2.3.1 Kết quả mô phỏng ô tô tự hành trên đường thực tế Dưới đây là kết quả mô phỏng sử dụng phương pháp Frenet và Stanley xây dựng quỹ đạo chuyển động cho ô tô tự hành trên đường thực ------------------------------------------------------------------------------------------------------------------------------ Kỷ yếu NCKHSV năm học 2021-2022 27
Trường Đại học Giao thông vận tải https://www.utc.edu.vn/ ---------------------------------------------------------------------------------------------------------------------------- Hình 3.6 Mô phỏng xe tự lái tránh ô tô phía trước Hình 3.6 Biểu đồ vận tốc (trái) và góc xoay thân xe (phải) Mô phỏng trường hợp này cho ta thấy thuật toán đã đưa ra quỹ đạo chuyển động và tự tránh được 2 ô tô đang di chuyển trên đường. Vận tốc vẫn đảm bảo tăng dần đến 30 km/h. Góc xoay thân xe đạt đến độ an toàn cho phép. Ta có thể kết luận thuật toán và phương pháp điều khiển hoạt động ổn định. 2.3.2 Các kết quả mô phỏng sử dụng phương pháp Stanley và phương pháp Frenet điều khiển ô tô tự lái trong một số trường hợp thực tế. Nhóm đã đạt được kết quả mô phỏng áp dụng thuật toán vào bám theo đường tham chiếu: ❖ Kết quả mô phỏng phương pháp Frenet lập kế hoạch quỹ đạo tránh chướng ngại vật trên đường thực. ❖ Kết quả mô phỏng phương pháp Frenet lập kế hoạch quỹ đạo sau khi tránh chướng ngại vật luôn hướng về quỹ đạo ban đầu. ❖ Kết quả mô phỏng phương pháp Stanley bám theo đường tham chiếu đường tạo ra từ phương pháp Frenet. 3. KẾT LUẬN ------------------------------------------------------------------------------------------------------------------------------ Kỷ yếu NCKHSV năm học 2021-2022 28
Trường Đại học Giao thông vận tải https://www.utc.edu.vn/ ---------------------------------------------------------------------------------------------------------------------------- Trong đề tài nghiên cứu này, nhóm nghiên cứu đã xây dựng thuật toán Frenet tìm đường tham chiếu tránh chướng ngại vật tối ưu, sau đó áp dụng thuật toán điều khiển Stanley để điều khiển ô tô tự lái trong môi trường đường thực tế. Kết quả mô phỏng đã cho thấy ô tô tự lái trang bị bộ điều khiển dựa trên phương pháp Stanley đã đảm bảo độ định của xe khi góc đánh lái luôn nằm trong ngưỡng cho phép và đặc biệt hơn nữa quỹ đạo của xe tự lái luôn bám sát quỹ đạo đường tham chiếu. Hướng nghiên cứu tiếp theo nhóm sinh viên định hướng là: + Áp dụng Reinforcement Learning để đào tạo mô hình ô tô tự lái tránh chướng ngại vật trong trường hợp khẩn cấp. + Sử dụng trí tuệ nhận tạo trong việc bám sát đường tham chiếu dựa trên bộ dữ liệu từ thuật toán Stanley. + Xây dựng môi trường cho xe tự lái hoạt động dựa trên dữ liệu các cảm biến. + Thực nghiệm thuật toán và phương pháp điều khiển Tài liệu tham khảo [1] Moritz Werling, Julius Ziegler, S¨oren Kammel, and Sebastian Thrun; Optimal Trajectory Generation for Dynamic Street Scenarios in a Frenet Frame; 2010 IEEE International Conference on Robotics and Automation Anchorage Convention District - May 3-8, 2010, Anchorage, Alaska, USA. [2] Moritz Werling, Sören Kammel, Julius Ziegler4 and Lutz Gröll; Optimal trajectories for time-critical street scenarios using discretized terminal manifolds; The International Journal of Robotics Research · March 2012. [3] Yuchen Sun, Dongchun Ren, Shiqi Lian, Mingyu Fan; An Efficient Generation Method based on Dynamic Curvature of the Reference Curve for Robust Trajectory Planning; Section of Self-driving VehicleMeituan Group, Beijing, China 100102. [4] Nam Dinh Van, Muhammad Sualeh, Dohyeong Kim and Gon-Woo Kim; A Hierarchical Control System for Autonomous Driving towards Urban Challenges. [5] C. Urmson, J. Anhalt, D. Bagnell, C. Baker, R. Bittner, MN Clark, J. Dolan, D. Duggins, T. Galatali, C. Geyer, et al; Autonomous driving in urban environments: Boss and the Urban Challenge; Journal of Field Robotics, 25(8), 2008. [6] J. Ziegler and C. Stiller; Spatiotemporal state lattices for fast trajectory planning in dynamic on-road driving scenarios; In IEEE/RSJ International Conference on Intelligent Robots and Systems, 2009. [7] Keisuke Yoneda, Toshiki Iida, TaeHyon Kim, Ryo Yanase, Mohammad Aldibaja & Naoki Suganuma; Trajectory optimization and state selection for urban automated driving; Artificial Life and Robotics 23, pages474–480 (2018). ------------------------------------------------------------------------------------------------------------------------------ Kỷ yếu NCKHSV năm học 2021-2022 29
Trường Đại học Giao thông vận tải https://www.utc.edu.vn/ ---------------------------------------------------------------------------------------------------------------------------- [8] Althoff M and Mergel A (2011); Comparison of markov chain abstraction and monte carlo simulation for the safety assessment of autonomous cars. IEEE Transactions on Intelligent Transportation Systems. To appear. [9] Bùi Đức Tiến, Vũ Văn Tấn,, Trần Văn Đà; Kết hợp phương pháp rrt và stanley cho ô tô tự lái vào bãi đậu xe; Journal of SCIENCE & TECHNOLOGY. [10] Montemerlo M, Becker J, Bhat S, Dahlkamp H, Dolgov D, Ettinger S, et al. (2008); Junior: The Stanford entry in the Urban Challenge; Journal of Field Robotics 25(9): 569–597. ------------------------------------------------------------------------------------------------------------------------------ Kỷ yếu NCKHSV năm học 2021-2022 30

CÓ THỂ BẠN MUỐN DOWNLOAD

LV.15: Bộ Đồ Án Tốt Nghiệp Chuyên Ngành Cơ Khí

65 tài liệu

2418 lượt tải

THÔNG TIN

TRỢ GIÚP

HỖ TRỢ KHÁCH HÀNG

Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.