Tesis:
Decision-making strategies for automated driving in urban environments
- Autor: ARTUÑEDO GARCÍA, Antonio
- Título: Decision-making strategies for automated driving in urban environments
- Fecha: 2019
- Materia: Sin materia definida
- Escuela: E.T.S. DE INGENIEROS INDUSTRIALES
- Departamentos: AUTOMATICA, INGENIERIA ELECTRICA Y ELECTRONICA E INFORMATICA INDUSTRIAL
- Acceso electrónico: http://oa.upm.es/55812/
- Director/a 1º: VILLAGRÁ SERRANO, Jorge
- Director/a 2º: HABER GUERRA, Rodolfo
- Resumen: La conducción automatizada está considerada como una de las tecnologías clave y uno de los principales avances tecnológicos que influyen y dan forma a nuestra movilidad y calidad de vida futuras. Tanto es así, que la mayor parte de la actividad actual de investigación y desarrollo en el campo de los Sistemas Inteligentes de Transporte (ITS) se centra en ella. La introducción de sistemas automáticos de control en vehículos puede mejorar enormemente la seguridad en la carretera, teniendo en cuenta que alrededor del 90% de los accidentes de tráfico son causados por errores humanos. En la actualidad, hay muchas soluciones, conocidas como sistemas avanzados de asistencia al conductor (ADAS), que son capaces de realizar diferentes tareas, como emitir alertas para advertir sobre posibles situaciones peligrosas, o incluso introducir control longitudinal y/o lateral en determinadas situaciones. Si bien se han realizado esfuerzos considerables en los ámbitos de la percepción y la localización, las representaciones digitales del entorno y la planificación en escenarios urbanos siguen siendo incompletas. Como resultado, comprender la relación espacio-temporal entre el vehículo en cuestión y las entidades pertinentes, a la vez que se encuentra limitado por la red de carreteras, es un reto muy difícil. Además, la planificación de movimiento se ve afectada significativamente en entornos urbanos, ya que el conocimiento sobre este entorno es generalmente incompleto y la incertidumbre asociada es alta. Asimismo, las predicciones de la ocupación futura de los vehículos cercanos deben influir de forma efectiva en la planificación de movimiento realizada por el vehículo. Con el objetivo de alcanzar el razonamiento abstracto a nivel humano y reaccionar con seguridad incluso en situaciones urbanas complejas, la conducción autónoma requiere métodos para generalizar situaciones impredecibles y razonar de forma oportuna. El creciente interés en niveles de automatización cada vez más altos conlleva el desarrollo de algoritmos capaces de reaccionar a los típicos escenarios de conducción de una manera segura y humana. En este sentido, esta tesis aborda el problema de la planificación de movimiento en entornos urbanos proponiendo una arquitectura de toma de decisiones y planificación con el objetivo de impulsar las capacidades de navegación de los vehículos automatizados, haciendo uso de mapas no detallados y libres. Para tal fin, el espacio navegable es obtenido dinámicamente a partir de la información de los mapas. Para hacer frente a su incertidumbre intrínseca y baja fidelidad, un sistema de detección de carriles basado en visión artificial actualiza y mejora dicho espacio navegable. A partir de ahí, un eficiente planificador local, que imita la conducción humana, determina una trayectoria segura, bajo un marco probabilístico. Un sistema de percepción basado en LiDAR es usado para identificar el escenario de conducción, y, eventualmente, replanificar la trayectoria, llevando en algunos casos a adaptar la ruta de alto nivel para alcanzar el destino dado. Las nuevas funcionalidades abarcadas por la arquitectura propuesta, presentan avances significativos con respecto a la arquitectura previa para conducción automatizada del Programa AUTOPIA, donde se ha desarrollado esta tesis. Además, con el fin de validar su diseño e implementación, la arquitectura ha sido ampliamente probada en uno de los vehículos prototipo de la flota de AUTOPIA en las instalaciones del Centro de Automática y Robótica (CAR) en Arganda del Rey, España. Numerosas pruebas realizadas en escenarios que imitan entornos urbanos reales y diferentes demostraciones prueban la robustez de la arquitectura propuesta al enfrentarse a diferentes situaciones complejas, tales como la evitación de obstáculos estáticos y dinámicos o el enrutamiento dinámico. ----------ABSTRACT---------- Automated driving is considered to be one of the key technologies and major technological advances that influence and shape our future mobility and quality of life. So much so that most of the current activity in research and development in the field of Intelligent Transportation Systems (ITS) is focused on it. The introduction of automatic control systems in vehicles may greatly improve road safety, taking into account that around 90% of traffic crashes are caused by human errors. Nowadays, there are several solutions, known as advanced driver assistance systems (ADAS), that are able to perform different tasks such as providing warning signals to the driver, alerting about possible hazardous situations, or even introducing longitudinal and/or lateral control actions in specific cases. Whilst considerable efforts have been attained in the perception and localization domains, digital representations of the environment and planning in urban scenarios are still incomplete. As a result, understanding the spatio-temporal relationship between the subject vehicle and the relevant entities while being constrained by the road network is a very difficult challenge. Furthermore, urban motion planning is significantly affected since the knowledge about the environment is generally incomplete and the associated uncertainty is high. In addition, the predictions of future occupancy of nearby vehicles must effectively influence the motion plan calculated by the vehicle. With the aim of reaching human-level abstract reasoning and reacting safely even in complex urban situations, autonomous driving requires methods to generalize unpredictable situations and reason in a timely manner. The growing interest in ever higher levels of automation involves the development of algorithms capable of reacting to typical driving scenarios and making decisions to face increasingly complex driving situations in a safe and human-like manner. In this regard, this thesis addresses the problem of motion planning in urban environments by proposing a decision-making and planning architecture that aims at pushing the navigation capabilities of automated vehicles when only non detailed and open-source maps are available. For that purpose, road corridors are dynamically obtained from map information. To cope with their intrinsic uncertainty and low-fidelity, a camera-based lane detection system updates and enhances the navigable space. From that point, an efficient and human-like local planner determines, under a probabilistic framework, a safe motion trajectory, ensuring the continuity of the path curvature and limiting longitudinal and lateral accelerations along it. LiDAR-based perception is then used to identify the driving scenario, and eventually re-plan the trajectory, leading in some cases to adapt the high-level route to reach the given destination. The new functionalities covered by the proposed architecture present significant advances with respect to the previous architecture for automated driving of the AUTOPIA Program, where this thesis has been developed. Furthermore, in order to validate its design and implementation, the architecture has been extensively tested in one of the prototype vehicles of the AUTOPIA’s fleet at the Centre for Automation and Robotics (CAR) facilities in Arganda del Rey, Spain. Extensive tests on real urban-like environments and different live demonstrations proved the robustness of the proposed architecture when dealing with different complex situations such as static and dynamic obstacle avoidance or dynamic rerouting.