Predictive Forcefield Trajectory Planning for Automated Vehicles

Hesse, Tobias Wilhelm GND

Autofahren ist eine komplexe und herausfordernde Aufgabe, wie die unzähligen - meist auf menschliches Fehlverhalten zurückzuführenden - Unfälle Jahr für Jahr belegen. Daher arbeiten Automobilindustrie und Forschung fieberhaft daran, die stetig wachsenden technischen Möglichkeiten im Bereich der Sensorik, Datenverarbeitung und Kommunikation für den Fahrer nutzbar machen. Um dem Fahrer in Zukunft aber auch in komplexen Situationen eine qualifizierte Assistenz oder Automatisierung bieten zu können, die den Fahrer vorausschauend unterstützt oder gar selber handelt, ist eine detaillierte Trajektorienplanung unabdingbar. Der Beitrag dieser Arbeit besteht hauptsächlich in dem neu entwickelten Trajektorienplanungsverfahren, das die Vorteile einer A*-basierten Graphensuche sowie die von vorausschauenden Potentialfeldansätzen in einem Initialisierungs- und einem Optimierungsschritt ausnutzt. Dabei werden Bahn und Geschwindigkeitsprofil simultan geplant. Die grundlegende Weiterentwicklung der Trajektorienoptimierung liegt in einer Erweiterung, die die simultane Planung bzw. Optimierung von Weg und Geschwindigkeitsprofil ermöglicht. Im Unterschied zu früheren Entwicklungsständen der Methode wird hier der dynamische Fahrzeugzustand berücksichtigt. Außerdem wurden durch die Verwendung lokaler Koordinatensysteme viele vorherige Einschränkungen auf bestimmte Straßenverläufe eliminiert. Die stichprobenbasierte Trajektorieninitialisierung basiert auf der Weiterentwicklung eines Anytime Weighted A* (AWA*) Verfahrens. Der Suchraum (Längsposition, Querposition, Zeit, Orientierung und Geschwindigkeit) wird hier durch einen offline generierten "State-lattice" diskretisiert, was eine effiziente Suche und eine Art der Auflösungs-Vollständigkeit gewährleistet. Zusätzlich zu der Entwicklung des beschriebenen Trajektorienplanungsverfahrens wurde ein Versuchsfahrzeug aufgebaut, um die Anwendbarkeit des entwickelten Verfahrens für autonomes Fahren zu demonstrieren. Dazu wurde ein BMW mit der notwendigen Aktorik, Sensorik und Informationsverarbeitung ausgestattet. Die Zustandsbestimmung basiert auf der Datenfusion aus GPS und Inertialsensorik. Durch die Konstruktion geeigneter Adapter wurden Lenkung, Bremssystem und Antriebsstrang automatisiert und sind über einen PC steuerbar. Die Fahrzeugregelung besteht aus einer Reihe unterlagerter Regelkreise sowie einem Regleransatz zur integrierten Längs- und Querführung nach dem Prinzip der nichtlinearen Entkopplung.Die Anwendbarkeit des Planungsverfahrens zur Online-Trajektorienplanung, sowie die Funktionsfähigkeit der implementierten Hard- und Software zur Fahrzeugregelung wurden in Fahrversuchen erfolgreich demonstriert.

Driving is a complex task, as witnessed by millions of accidents each year which are mostly caused by human error. Increasing traffic density might even aggravate the challenge for the driver. Therefore, automotive industry and research strive to exploit recent advances in sensor technology as well as information processing and communication technologies to develop more and more driver assistance systems. While most of today's assistance systems still rely on purely reactive behavior or very simple short term planning, a more qualified assistance that is able to handle driving in more complex situations and for more distant planning horizons requires a detailed trajectory planning as a key ingredient. This thesis contributes by devising a novel motion planning algorithm that could be used for autonomously driving vehicles or as a basis for future driver assistance systems. The new proposed motion planning approach is an integrated trajectory planning method that plans both path and velocity profile simultaneously. It centers on a predictive force field trajectory deformation algorithm which is combined with an A*-based trajectory initialization and thus joins the advantages of predictive potential field methods and A*-based graph search trajectory planning. The most fundamental extension of the method compared to previous predictive potential field methods lies in the integrated planning of a velocity profile by additional degrees of freedom in the time dimension. Further, the dynamic state of the vehicle is now regarded in the planning, and limitations to low curvatures stemming from very rough street approximations have been lifted. The initial solution is generated by an Anytime Weighted A* (AWA*) variant that has been extended to plan trajectories for road traffic in five dimensions (longitudinal position, lateral position, time, orientation, and velocity). The search space is discretized by an offline generated "state lattice" which allows an efficient coverage and provides a form of resolution-completeness. Finally, an autonomous test vehicle has been set up to demonstrate the applicability of the devised motion planning approach in experimental tests. A BMW vehicle is equipped with GPS and inertial sensors. A sensor data fusion provides an estimation of the vehicle's position and dynamic state. Steering, braking, and accelerating are automated by the construction and implementation of appropriate actuation modules. The designed motion control consists of several lower level control loops for the individual actuators and an integrated lateral and longitudinal control approach based on the method of nonlinear decoupling. Online trajectory planning and autonomous trajectory following have been demonstrated successfully in test drives.

Zitieren

Zitierform:

Hesse, Tobias Wilhelm: Predictive Forcefield Trajectory Planning for Automated Vehicles. 2014.

Zugriffsstatistik

Gesamt:
Volltextzugriffe:
Metadatenansicht:
12 Monate:
Volltextzugriffe:
Metadatenansicht:

Grafik öffnen

Export