TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI
Kỷ yếu nghiên cứu khoa học sinh viên năm 2021 37
NGHIÊN CỨU Ô TÔ TỰ LÁI TRONG TRƯỜNG HỢP
TÌM VỊ TRÍ ĐỖ XE
Giảng viên hướng dẫn:
Sinh viên thực hiện:
Lớp:
TS. Vũ Văn Tấn
Trần Văn Đà
Bùi Linh Trang
Phạm Huy Hoàng
Đặng Hoài Nam
Đặng Đình Huy
Cơ khí ô tô K58
Kỹ sư tài năng K60
Kỹ sư tài năng K59
Tóm tắt: Ô tô tự hành là lĩnh vực đang được các nhà nghiên cứu quan tâm hiện nay. Trong
đó, bãi đậu xe tự động được coi là một phần quan tr
7 trang |
Chia sẻ: Tài Huệ | Ngày: 21/02/2024 | Lượt xem: 45 | Lượt tải: 0
Tóm tắt tài liệu Đề tài Nghiên cứu ô tô tự lái trong trường hợp tìm vị trí đỗ xe, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
ọng trong nghiên cứu về ô tô tự hành. Khi số
lượng ô tô ngày càng tăng lên, việc đậu xe ngày càng trở thành một vấn đề nan giải, do vậy bãi
đậu xe tự động là một phần không thể thiếu trong tương lai. Trong nghiên cứu này nhóm tập trung
vào áp dụng phương pháp cây ngẫu nhiên RRT và thuật toán Hybric A Star để tìm đường đi tham
chiếu tối ưu cho ô tô sau đó phương pháp Stanley và mô hình dự đoán phi tuyến để điều khiển ô tô
đi theo đường đi tham chiếu. Kết quả mô phỏng đã thể hiện rõ hiệu quả của bộ điều khiển đề xuất
khi sai lệch của tín hiệu đường đi tham chiếu và điều khiển luôn dưới mức 1%. Góc đánh lái và
quỹ đạo chuyển động thể hiện ô tô luôn nằm trong ngưỡng đánh lái và đảm bảo tính ổn định của
xe.
Từ khóa: Mô hình dự đoán phi tuyến; Cây ngẫu nhiên RRT; Phương pháp Stanley; Đường
tham chiếu; Ô tô tự hành; Bãi đậu xe.
1. ĐẶT VẤN ĐỀ
Tự động đỗ xe là một trong những lĩnh vực được các nhà nghiên cứu quan tâm hiện
nay. Hệ thống tự động của ô tô sẽ kiểm soát và hướng ô tô đến điểm đỗ có sẵn. Một chức
năng như vậy cần rất nhiều cảm biến bao gồm: camera phía trước và bên hông để phát hiện
vạch kẻ làn đường, biển báo đường (biển báo dừng, vạch kẻ đường ra, ), các phương tiện
khác và người đi bộ. Cảm biến nắp và siêu âm để phát hiện chướng ngại vật và tính toán
các phép đo khoảng cách chính xác; cảm biến siêu âm để phát hiện chướng ngại vật.
TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI
Kỷ yếu nghiên cứu khoa học sinh viên năm 2021 38
Về kế hoạch và kiểm soát đường đi, hiện nay các nhà nghiên cứu đề ra nhiều phương
pháp điều khiển có thể kể đến: đỗ xe song song cho xe tự hành sử dụng đường cong
Compertz (Aneesh, et al 2014); phương pháp tiệm cận thuật toán di truyền đối với phương
tiện thông minh tự hành (Diya, et al 2017); kiểm soát lái xe với điều khiển dự báo MPC để
theo dõi quỹ đạo theo mục tiêu của bãi đậu xe (Tsutomo, et al 2013); bãi đậu xe tự động
dành cho xe tự hành dựa trên Vehicular AD Hoc Networking (Michel, et al 2014).
Ở đề tài nghiên này, nhóm đề xuất phương pháp dựa trên động lực học của ô tô và
các ràng buộc để lập một đường đi hình học khả thi. Sau đó sử dụng thuật toán Stanley và
mô hình dự đoán phi tuyến để điều khiển quỹ đạo ô tô đi theo đường tham chiếu. Cách tiếp
cận này yêu cầu độ chính xác điều khiển cao về tốc độ và hướng chuyển động. Do vậy nó
phù hợp cho việc áp dụng vào xe tự hành. Nhóm sử thuật toán cây ngẫu nhiên RRT
(Karaman, et al 2010), (Hoffmann, et al 2007) và Hybric A Star để tìm đường tham chiếu
tối ưu cho ô tô và sử dụng thuật toán bám theo quỹ đạo để đảm bảo về mặt động lực học
của xe và an toàn của người lái.
2. CÁC NỘI DUNG CHÍNH
2.1. Thiết kế thuật toán tạo đường tham chiếu
2.1.1. Thiết kế thuật toán RRT*
Cây khám phá ngẫu nhiên nhanh (RRT*) là thuật toán phát triển một cây bắt nguồn
từ điểm bắt đầu bằng cách sử dụng các mẫu ngẫu nhiên từ không gian tìm kiếm. Khi mỗi
mẫu được rút ra, ta sẽ có được kết nối giữa nó và trạng thái gần nhất trong cây.
Bảng 1. Quy trình thiết kế thuật toán RRT*
TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI
Kỷ yếu nghiên cứu khoa học sinh viên năm 2021 39
2.1.2. Thiết kế thuật toán Hybric A Star
Hybric A Star có khả năng tìm kiếm theo lưới bằng cách áp dụng ràng buộc động học
cơ bản của một chiếc xe giúp tạo ra đường tham chiếu cho ô tô tự hành có khả năng bám
sát nhất có thể.
Hình 2. Quy trình thuật toán Hybric A Star
2.2. Thiết kế thuật toán điều khiển theo đường đi tham chiếu
2.2.1. Thiết kế thuật toán Stanley
Phương pháp Stanley được bắt đầu từ 1 chiếc xe có tên là Stanley. Stanley là một
chiếc xe tự hành được tạo ra bởi Đội đua Stanford của Đại học Stanford hợp tác với Phòng
thí nghiệm Nghiên cứu Điện tử Volkswagen (ERL). Nó đã giành được giải nhất trong cuộc
thi DARPA Grand Challenge năm 2005. Phương pháp Stanley có thể nói cơ bản như sau,
Theo dõi quỹ đạo ô tô được xử lý theo một cách mới, bằng cách xem xét hướng của bánh
trước - không phải thân xe - đối với quỹ đạo mong muốn, cho phép kiểm soát hệ thống một
cách thống nhất.
TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI
Kỷ yếu nghiên cứu khoa học sinh viên năm 2021 40
Hình 2. Xe đua của đại hoc Standford
2.2.2. Thiết kế thuật toán mô hình dự đoán phi tuyến
Mô hình dự đoán là một trong số ít các phương pháp điều khiển tiến tiến được sử
dụng thành công trong trong các ứng dụng điều khiển công nghiệp. Bản chất của kiểm soát
dự đoán dựa trên ba yếu tố chính: mô hình dự đoán, tối ưu hóa trong một khoảng thời gian
và điều chỉnh phản hồi. Mô hình dự đoán phi tuyến là biến thể của mô hình dự đoán, nó tối
ưu hóa dựa trên điều khiển phản hồi hệ thống phi tuyến.
Hình 3. Mô hình ô tô
Khi mục tiêu là phát triển một hệ thống điều khiển lái để giữ làn đường tự động, sẽ
rất hữu ích khi sử dụng một mô hình động trong đó các biến trạng thái là về sai số bên e1
và sai số định hướng e2 đối với đường. Phương pháp chính áp dụng mô hình dự đoán phi
tuyến ở đây chính là đưa ra đầu vào điều khiển của hệ thống để tối ưu hóa sai số bên e1 và
sai số định hướng e2 .
TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI
Kỷ yếu nghiên cứu khoa học sinh viên năm 2021 41
2.3. Kết quả mô phỏng và đánh giá
2.3.1. Mô hình bãi đỗ xe mô phỏng
Hình 3a. Bản đồ bãi đỗ xe tự động
Hình 3b. Đỗ xe song song
2.3.2. Kết quả mô phỏng sử dụng thuật toán Hybric A Star và RRT* để tìm đường tham
chiếu cho ô tô
Hình 4a. RRT*
Hình 4b. Hybrid A Star
Từ trên hình chúng ta có thể thấy cả hai phương pháp RRT* và Hybric A Star đều có
thể tìm được đường đi tiệm cận tối ưu, tuân thủ nghiêm ngặt về động học của xe hay ta có
TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI
Kỷ yếu nghiên cứu khoa học sinh viên năm 2021 42
thể trên hình đường đi tham chiếu không xảy ra va chạm với các vật thể trên bản đồ cho
chúng ta thấy độ hiệu quả của thuật toán tìm đường đi tham chiếu.
2.3.3. Các kết quả mô phỏng sử dụng phương pháp Stanley và mô hình dự đoán phi
tuyến bám theo đường tham chiếu
Nhóm đã đạt được kết quả mô phỏng áp dụng thuật toán vào bám theo đường tham
chiếu:
❖ Kết quả mô phỏng phương pháp Stanley bám theo đường tham chiếu sử
dụng Hybrid A Star.
❖ Kết quả mô phỏng mô hình dự đoán phi tuyến bám theo đường tham chiếu
sử dụng Hybrid A Star.
❖ Kết quả mô phỏng mô hình dự đoán phi tuyến bám theo đường tham chiếu
sử dụng RRT* cho ô tô đỗ song song.
❖ Kết quả mô phỏng sử dụng thuật toán RRT * để tìm đường tham chiêu cho
ô tô tự hành.
❖ Kết quả mô phỏng mô hình dự đoan phi tuyến bám theo đường tham chiếu
sử dụng RRT*.
Các kết quả mô phỏng được thể hiện rõ trong thuyết minh, chúng ta có thể thấy rõ
mức độ hiệu quả của thuật toán Stanley và mô hình dự đoán phi tuyến trong viêc bám theo
đường tham chiếu. Cả hai phương pháp đều cho chúng ta thấy rằng thuât toán điều khiển
bám rất sát đường tham chiếu.
3. KẾT LUẬN
Nhóm nghiên cứu đã thành công trong việc xây dựng thuật toán RRT* và Hybric A
Star tìm đường tham chiếu sau đó áp dụng thuật toán điều khiển Stanley và mô hình dự
đoán phi tuyến trong môi trường đỗ xe tự động. Các kết quả nghiên cứu này góp phần làm
hoàn thiện chức năng tự hành của ô tô trong các bãi đậu xe thông minh.
Hướng nghiên cứu tiếp theo của nhóm nghiên cứu:
• Áp dụng thuật toán điều khiển trên đường thực tế.
• Sử dụng trí tuệ nhận tạo trong việc bám sát đường tham chiếu dựa trên bộ dữ liệu từ
thuật toán Stanley và mô hình dự doán.
• Kết hợp thuật toán bám theo đường tham chiếu và chuyển làn khi tránh chướng ngại
vật.
• Sử dụng phương pháp H infinity và LPV trong việc bám sát đường tham chiếu
TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI
Kỷ yếu nghiên cứu khoa học sinh viên năm 2021 43
Tài liệu tham khảo
[1]. Aneesh N. Chand, Michihiro Kawanishi, Tatsuo Narikiyo, (2014), Fast Parallel
Parking for Autonomous Vehicles using Gompertz Curves, The 11th International
Conference on Ubiquitous Robots and Ambient Intelligence, Kuala Lumpur, Malaysia.
[2]. Diya Thomas, Binsu C. Kovoorb, (2017), A Genetic Algorithm Approach to
Autonomous Smart Vehicle Parking system, 6th International Conference on Smart
Computing and Communications, Kurukshetra, India.
[3]. Dubins, Le, (1957), On Curves of Minimal Length with a Constraint on Average
Curvature, and with Prescribed Initial and Terminal Positions and Tangents, American
Journal of Mathematics, Volume 79(3), pp. 497-516.
[4]. Hoffmann, Gabriel M., Claire J. Tomlin, Michael Montemerlo, Sebastian Thrun,
(2007), Autonomous Automobile Trajectory Tracking for Off-Road Driving: Controller
Design, Experimental Validation and Racing, American Control Conference, pp. 2296-
2301.
[5]. Karaman, Sertac, Emilio Frazzoli, (2010), Optimal Kinodynamic Motion Planning
Using Incremental Sampling-Based Methods, 49th IEEE Conference on Decision and
Control (CDC).
[6]. Michel Ferreira, Lúis Damas, Hugo Conceicao, Pedro M. d’Orey, Ricardo Fernandes,
Peter Steenkiste, (2014), Self-Automated Parking Lots for Autonomous Vehicles based on
Vehicular Ad Hoc Networking, IEEE Intelligent Vehicles Symposium, Dearborn,
Michigan, USA.
[7]. Nguyễn Công Tuấn, (2012), Điều khiển lực phanh nhằm ổn định quỹ đạo chuyển động,
Luận văn thạc sĩ kỹ thuật, Trường Đại học Giao thông Vận tải.
[8]. Reeds, J. A., L. A. Shepp, (1990), pp. 367-393. Tsutomu Tashiro, (2013), Vehicle
Steering Control with MPC for Target Trajectory Tracking of Autonomous Reverse
Parking, IEEE International Conference on Control Applications, India.
Các file đính kèm theo tài liệu này:
- de_tai_nghien_cuu_o_to_tu_lai_trong_truong_hop_tim_vi_tri_do.pdf