[論文レビュー] Autonomous Driving System Design for Formula Student Driverless Racecar

Hanqing Tian, Jun Ni+1 more|arXiv (Cornell University)|Sep 19, 2018

Robotics and Sensor-Based Localization参考文献 4被引用数 4

ひとこと要約

本論文では、2017年フォーミュラ・ステュディオ・ドライバーヲス・レースカー向けに統合された自律走行システムを提示する。本システムは、交通コーンの検出にLIDARとビジョンを統合し、GPS-INSとLIDARオドメトリを融合させて高レートの局所化を実現し、コーンの位置と色を含むリアルタイムのトラックマップを構築する。システムはクローズド・ループ・トラック上で安定したパス追従を達成し、2017年フォーミュラ・ステュディオ自律走行コンテストにおいても高い性能を示した。

ABSTRACT

This paper summarizes the work of building the autonomous system including detection system and path tracking controller for a formula student autonomous racecar. A LIDAR-vision cooperating method of detecting traffic cone which is used as track mark is proposed. Detection algorithm of the racecar also implements a precise and high rate localization method which combines the GPS-INS data and LIDAR odometry. Besides, a track map including the location and color information of the cones is built simultaneously. Finally, the system and vehicle performance on a closed loop track is tested. This paper also briefly introduces the Formula Student Autonomous Competition (FSAC) in 2017.

研究の動機と目的

• 2017年フォーミュラ・ステュディオ自律走行コンテスト（FSAC）に参加するフォーミュラ・ステュディオ・ドライバーロス・レーシングカー向けに信頼性の高い自律走行システムを設計すること。
• 交通コーン（トラックマーカーとして使用）の正確な検出を、LIDARとビジョンの協調検出手法により実現すること。
• GPS-INSとLIDARオドメトリのデータを融合して、高レートかつ高精度の局所化を達成すること。
• コーンの位置と色情報を含む動的トラックマップを構築し、パスプランニングに活用すること。
• クローズド・ループ・トラック上で実際のテストを実施し、システムの性能を検証すること。

提案手法

• 高精度かつ高更新レートでの交通コーン検出を実現するため、LIDARとビジョンの協調検出手法を開発した。
• GPS-INSとLIDARオドメトリのデータを補完フィルタリング手法を用いて融合し、局所化の精度と更新周波数を向上させた。
• 検出されたコーンの位置を処理し、ビジョンデータから得た色情報を割り当てることで、リアルタイムのトラックマップを生成した。
• マップと局所化データを用いて、事前に定義されたトラックに沿って車両を誘導するパス追従コントローラーを実装した。
• システムをレーシングカーのプラットフォームに統合し、クローズド・ループ・トラック上で性能を評価するためのテストを実施した。
• 設計は2017年フォーミュラ・ステュディオ自律走行コンテストにおいて検証され、システムの安定性と信頼性が確認された。

実験結果

リサーチクエスチョン

• RQ1 自律レースにおいてリアルタイムで交通コーンを検出するために、LIDARとビジョンのデータを効果的に統合する方法は何か？
• RQ2 GPS-INSとLIDARオドメトリを最適に統合する方法は何か？ これにより、高レートかつ高精度の局所化が達成できるか？
• RQ3 自律走行中に、コーンの空間的位置と色情報を含む動的トラックマップを信頼性を持って構築できるか？
• RQ4 統合されたシステムは、実際のコンテスト環境下でクローズド・ループ・トラック上でパス追従を安定して維持できるか？
• RQ5 フォーミュラ・ステュディオ・コンテストの環境下で自律走行レーシングカーを実装するにあたり、システムレベルでの主な課題は何か？

主な発見

• LIDARとビジョンの統合手法により、リアルタイムナビゲーションに不可欠な信頼性の高い高更新レートのコーン検出が実現された。
• GPS-INSとLIDARオドメトリを統合したソリューションにより、10 cm未満の局所化精度を達成し、高レートでの更新が可能となった。これは、動的制御にとって極めて重要である。
• コーンの位置と色情報を含むリアルタイムのトラックマップが正常に構築され、運用中にパスプランニングに使用された。
• 自律走行システムは、クローズド・ループ・トラック上で安定したパス追従性能を示し、システムの頑健性が確認された。
• 車両はコンテストのトラックを正常に走破し、実世界の自律走行レーシング環境における全体的なシステム設計と統合の有効性が検証された。
• システムの性能は、低遅延の自律走行アプリケーションにおけるセンサーフュージョンとリアルタイムマッピングの有効性を示している。