jacek schikora

Echtzeitsysteme – autonome mobile Systeme: 

Echtzeitsysteme – autonome mobile Systeme Jacek Schikora jacek@uni-koblenz.de

Übersicht: 

Übersicht 1. Einführung 2. Projektbeschreibung 3. Bahnplanung 4. Positionsbestimmung 5. Datenfusion 6. Fahrzeugregelung 7. Schlussteil 8. Videofilm

1. Einführung: 

Autonome mobile Systeme 1. Einführung Luftfahrt Straßenverkehr Seefahrt Lagerhallen Servicebereich

Fahrerassistenzsysteme im Straßenverkehr: 

Fahrerassistenzsysteme im Straßenverkehr Systeme, die durch Hinweise unterstützen Systeme, die vor etwas warnen Systeme, die in die Fahrzeugführung eingreifen Systeme, die vollständig die Führung übernehmen

2. Projektbeschreibung: 

2. Projektbeschreibung Projekt „autonomes Fahren“

Merkmale / Ziele: 

Merkmale / Ziele 1997-2000 unter der Leitung der Volkswagen AG in Wolfsburg Automatisierung der Dauererprobung von KFZ-Fahrzeugen Reproduzierbarkeit von Testergebnissen Weiterverwendung für zukünftige Fahrerassistenzsysteme

Projektpartner: 

Projektpartner Volkswagen AG Wolfsburg Robert Bosch GmbH Kasprich-IBEO Witt Sondermaschinen GmbH TU Braunschweig mit: Institut für Regelungstechnik Institut für Elektrische Messtechnik Institut Flugführung

Anforderungen: 

Anforderungen Funktionsfähig bei allen Wetterbedingungen Kräfte bis zu 4 g Spurgenauigkeit von 20 cm Installation in ein Serienfahrzeug in max. 4 Stunden Umrüstung führt nicht zur Änderung des Fahrverhaltens Die maximal erzielbare Geschwindigkeit liegt bei 60 km/h

Das Testfahrzeug: 

Das Testfahrzeug

Sensorik: 

Sensorik

Fahrzeugführung: 

Fahrzeugführung

Aktorik: 

Aktorik

3. Bahnplanung: 

3. Bahnplanung Karte Routenplanung Trajektorienplanung Kollisionsvermeidung Absolute Position Relevante Objekte Solldaten

Karte: 

Karte Bekannte Verfahren zu ungenau Genauigkeit ca. 5 cm Seitenränder als unabhängige Polygonzüge

Routenplanung: 

Routenplanung Greift auf digitale Karte zurück Sucht mögliche Route von aktueller Position zum Endziel Qualitätskriterien Kollisionsfreiheit (Sicherheit) Minimale Fahrzeit und Bahnlänge Minimale Lenkbewegung

Trajektorienplanung: 

Trajektorienplanung Berechnet aus gegebener Route eine abfahrbare Trajektorie Abfahrbar: Stetig Lenkgeschwindigkeit angepasst Soll-Lenkeinschlag < Max. Lenkeinschlag

Modellbildung - CLR: 

Modellbildung - CLR

Béziersplines: 

Béziersplines Spline 5. Ordnung 12 Freiheitsgrade, z.B. für Krümmung Orientierung am Rande ...

Béziersplines: 

Béziersplines

Punktfindung: 

Punktfindung 1. Fahrkorridor mit Dreiecken füllen 2. Kürzesten Weg finden 3. Fahrzeugausdehnung beachten 4. Restliche Stützpunkte berechnen

Kollisionsvermeidung: 

Kollisionsvermeidung Realisierung durch elektronischen Co-Pilot Kann im Ernstfall die Kontrolle übernehmen Wählt eine von drei möglichen Ausweichstrategien

4. Fahrzeugortung: 

4. Fahrzeugortung DGPS Fahrbahnrand- erkennung Sensoren zur Detektion von Umgebungsobjekten Sensoren zur Messung der Gierrate und Geschwindigkeit Navigations- datenfusion Digitale Karte

DGPS: 

DGPS Erweiterung von GPS Genauigkeit 5m Verwendung von Referenzstationen am Boden

Umfeldbasierte Zustandsschätzung: 

Umfeldbasierte Zustandsschätzung 3 Unbekannte Fahrzeugeigenbewegung Relative Objektbewegung Objekteigenbewegung

Umfeldbasierte Zustandsschätzung: 

Umfeldbasierte Zustandsschätzung Objektsensoren liefern Position und relative Geschwindigkeit der Umfeldobjekte Gleichungssystem lösbar für statische Umgebung Anzahl bewegter Objekte << Anzahl ortsfester Objekte Durch geeignetes Schätzverfahren ist eine ziemlich genaue Lösung möglich

Lagebestimmung durch Fahrbahnranderkennung: 

Lagebestimmung durch Fahrbahnranderkennung Im Vision-Sensor integriert Fahrbahnkrümmung Fahrzeuglage relativ zur Mittellinie Fahrbahnrelativer Gierwinkel In Verbindung mit digitaler Karte Genauigkeit im cm-Bereich

Lagebestimmung: 

Lagebestimmung DGPS Karte Fahrbahnranderkennung

Lagebestimmung: 

Lagebestimmung DGPS Karte Fahrbahnranderkennung Gierrate und Geschwindigkeit Altes Wissen

Navigationsdatenfusion: 

Navigationsdatenfusion Zusammenführen der durch Messung oder Schätzung gewonnen Messdaten Ziel: Jederzeit optimale Schätzung der Fahrzeuglage Kalmanfilter als Schätzverfahren

5. Datenfusion: 

5. Datenfusion Zur optimalen Schätzung einer unbekannten Größe aus verschiedenen Datenquellen Vorteile redundanter Datenquellen: Robustheit Erhöhung der Detektionswahrscheinlichkeit und Genauigkeit Erweiterte räumliche Erfassung Komplementäre Information durch unterschiedliche Messverfahren

Funktionsweise: 

Funktionsweise Datenzuordnung Schätzung Information Wissen Datenabstraktion Messungen aus verschiedenen Quellen Ausgabe ...

Datenzuordnung: 

Datenzuordnung Zuordnung der Objekte von unterschiedlichen Sensoren zu einander Mathematische Beschreibung:

Datenzuordnung: 

Datenzuordnung Gesucht:

Datenzuordnung: 

Datenzuordnung

Datenzuordnung: 

Datenzuordnung Lösung durch: Brute-Force-Suche O=n!/(n-m)! Munkres-Algorithmus O=m²*n Nearest-Neighbor Zuordnung O<m²*n

Schätzung: 

Schätzung Algorithmus zur Schätzung eines Systemzustandes mit minimalem Fehler Signale von Störungen trennen Kalman-Filter

Kalman-Filter: 

Kalman-Filter Verfahren zur Schätzung der Zustandsgrößen eines linearen Systems Minimale Schätzfehlervarianz Rekursive Schätzwertbestimmung 1960 Rudolf Emil Kalman Geeignet für Gaussverteilte Fehler

Kalman-Filter: 

Kalman-Filter

Kalman-Filter: 

Kalman-Filter K(k+1) z-1 + - zk+1 x(k+1) ^ x(k) ^

6. Fahrzeugregelung: 

6. Fahrzeugregelung Fahrroboter Bahnplanung Sollbewegung Stellgrößen Querregelung Längsregelung Sonst. Aktorik Navigations- datenfusion Fahrzeugposition

7. Schlussteil: 

7. Schlussteil Projektaufbau „autonomes Fahren“ Bahnplanung Fahrzeugortung Sensorfusion Fahrzeugregelung

Resümee: 

Resümee Auf Testumgebung: Gleichzeitiges Fahren mehrere Systeme Ausblick: Im normalen Verkehr Präzision der Karte Straßenmarkierungen Komplexe Bewegungsmuster in Städten

Verwandte Projekte: 

Verwandte Projekte „In Arte“ – 1998-2000 von Renault, Siemens, Volvo, Frauenhofer Institut und TÜV Vita II – von Daimler Chrysler AG AHS/ASV, 2000, in Japan

Referenzen: 

Referenzen Andreas Simon, Führung eines autonomen Straßenfahrzeugs mit redundanten Sensorsystemen, VDI-Verlag, 2003 Carsten Becker, Fusion der Daten der objekterkennenden Sensoren eines autonomen Straßenfahrzeugs, VDI-Verlag, 2002 Ina Söhnitz, Querregelung eines autonomen Straßenfahrzeugs, VDI-Verlag, 2001 Peter S. Maybeck, Stochastic models, estimation and control, Academic Press, 1979 Homepage „autonomes Fahren“ http://www.ifr.ing.tu-bs.de/de/becker_af.html