Global ETD Search

1	Kortdistansradar för ACC-system / Short Range Radar for ACC-systems Bredberg, Linus January 2008 (has links) I denna rapport redogörs för en implementering av fusion mellan kortdistanssensorer. Syftet med denna implementering är att erhålla Stop & Go-funktionalitet till den adaptiva farthållaren som idag finns som tillval i Scanias lastbilar. Adaptiv farthållning, ACC, är en funktion som automatiskt anpassar fordonets hastighet ifall detta kommer ikapp ett annat fordon som färdas långsammare än den inställda hastigheten. Scanias system använder sig idag av en långdistanssensor som ser långt men har smalt synfält. Genom att komplettera denna med kortdistanssensorer, som ser kort men brett, kan önskvärt synfält i närområdet för att säkert kunna implementera Stop & Go-funktionen uppnås. Sensorfusion bygger på principen att två eller fler sensorer som ser samma sak ger en mer korrekt bild av verkligheten än en enskild. Fusionen kan genomföras på många olika sätt. I rapporten beskrivs tre metoder övergripligt; Bayesiska nätverk, auktionsalgoritmen samt Gating. I implementeringen används gatingmetoden. Initialt implementeras en målspårningsalgoritm med kalmanfilter. Efter uppdatering av sensormjukvaran väljs dock denna bort eftersom sensorernas interna målspårning då anses som tillräcklig. En modell med sensorfusionen och målselekteringen byggs i Simulink och programmeras sedan in i en hårdvaruenhet. Syftet med detta är att kunna utvärdera funktionen i ett prototypfordon. Inledningsvis rapporteras enbart korrelerade mål från modellen. För mer kontinuerlig målföljning, främst i kurvor, implementeras därefter en algoritm som även tar hänsyn till enskilda sensorers observationer. Dessa accpeteras dock först efter en viss valideringstid eftersom denna information har lägre konfidens än korrelerade mål. Provkörningar visar att målföljningen fungerar väl. En stor svårighet har varit att sålla bort stillastående mål från rörliga, främst i låga farter. Detta eftersom sensorernas hastighetsangivelse har låg precision vilket medför att ett stillastående mål kan rapporteras som ett långsamt rörligt. / In this thesis report an implementation of fusion between short range radars is described. The purpose of this implementation is to obtain Stop & Go functionality for the adaptive cruise control which is offered as an option in today’s Scania trucks. Adaptive cruise control, ACC, is a feature that automatically adapts the vehicle speed if it should catch up to another vehicle moving slower than the desired set speed. For this application Scania today use a long range sensor that has a long but narrow field of view. By complementing this sensor with short range sensors, which have short but wide fields of view, the desired field of view in the short range area can be obtained. This is necessary in order to be able to safely implement the Stop & Go functionality. Sensor fusion is based on the principle that two or more sensors overlooking the same area give a more accurate impression of reality than a single one. The fusion can be conducted in several ways. In the report three different methods are briefly described; Bayesian Networks, the Auction Algorithm and Gating. In the implementation the gating method is applied. Initially a target tracking algorithm using Kalman filter is implemented. However, after software updates in the short range sensors this algorithm is no longer used. This is because the improved tracking made internally by the sensors is considered to be sufficient, hence making an external tracking algorithm redundant. The sensor fusion and the target selection are implemented in a Simulink model which is later programmed into a hardware unit. The purpose of the latter is to be able to evaluate the functionality in a prototype vehicle. Initially, only associated targets are reported from the model. In order to obtain a more continuous target tracking, mainly while driving in curves, observations made only by single sensors are also considered. However, these measurements have lower level of confidence than the associated targets. Therefore these measurements first have to be validated for a certain period of time before they are approved. Test runs indicate that the target tracking works as intended. One major difficulty has been to separate stationary targets from slow moving ones, especially in low speeds. This is due to the fact that the sensors’ speed measurements are fairly inaccurate. Therefore a stationary target could be reported as a slow moving one. kortdistansradar sensorfusion adaptiv farthållare Stop & Go Signal processing Signalbehandling
2	Kortdistansradar för ACC-system / Short Range Radar for ACC-systems Bredberg, Linus January 2008 (has links) <p>I denna rapport redogörs för en implementering av fusion mellan kortdistanssensorer. Syftet med denna implementering är att erhålla Stop & Go-funktionalitet till den adaptiva farthållaren som idag finns som tillval i Scanias lastbilar. Adaptiv farthållning, ACC, är en funktion som automatiskt anpassar fordonets hastighet ifall detta kommer ikapp ett annat fordon som färdas långsammare än den inställda hastigheten. Scanias system använder sig idag av en långdistanssensor som ser långt men har smalt synfält. Genom att komplettera denna med kortdistanssensorer, som ser kort men brett, kan önskvärt synfält i närområdet för att säkert kunna implementera Stop & Go-funktionen uppnås. Sensorfusion bygger på principen att två eller fler sensorer som ser samma sak ger en mer korrekt bild av verkligheten än en enskild. Fusionen kan genomföras på många olika sätt. I rapporten beskrivs tre metoder övergripligt; Bayesiska nätverk, auktionsalgoritmen samt Gating. I implementeringen används gatingmetoden.</p><p>Initialt implementeras en målspårningsalgoritm med kalmanfilter. Efter uppdatering av sensormjukvaran väljs dock denna bort eftersom sensorernas interna målspårning då anses som tillräcklig. En modell med sensorfusionen och målselekteringen byggs i Simulink och programmeras sedan in i en hårdvaruenhet. Syftet med detta är att kunna utvärdera funktionen i ett prototypfordon. Inledningsvis rapporteras enbart korrelerade mål från modellen. För mer kontinuerlig målföljning, främst i kurvor, implementeras därefter en algoritm som även tar hänsyn till enskilda sensorers observationer. Dessa accpeteras dock först efter en viss valideringstid eftersom denna information har lägre konfidens än korrelerade mål.</p><p>Provkörningar visar att målföljningen fungerar väl. En stor svårighet har varit att sålla bort stillastående mål från rörliga, främst i låga farter. Detta eftersom sensorernas hastighetsangivelse har låg precision vilket medför att ett stillastående mål kan rapporteras som ett långsamt rörligt.</p> / <p>In this thesis report an implementation of fusion between short range radars is described. The purpose of this implementation is to obtain Stop & Go functionality for the adaptive cruise control which is offered as an option in today’s Scania trucks. Adaptive cruise control, ACC, is a feature that automatically adapts the vehicle speed if it should catch up to another vehicle moving slower than the desired set speed. For this application Scania today use a long range sensor that has a long but narrow field of view. By complementing this sensor with short range sensors, which have short but wide fields of view, the desired field of view in the short range area can be obtained. This is necessary in order to be able to safely implement the Stop & Go functionality. Sensor fusion is based on the principle that two or more sensors overlooking the same area give a more accurate impression of reality than a single one. The fusion can be conducted in several ways. In the report three different methods are briefly described; Bayesian Networks, the Auction Algorithm and Gating. In the implementation the gating method is applied.</p><p>Initially a target tracking algorithm using Kalman filter is implemented. However, after software updates in the short range sensors this algorithm is no longer used. This is because the improved tracking made internally by the sensors is considered to be sufficient, hence making an external tracking algorithm redundant. The sensor fusion and the target selection are implemented in a Simulink model which is later programmed into a hardware unit. The purpose of the latter is to be able to evaluate the functionality in a prototype vehicle. Initially, only associated targets are reported from the model. In order to obtain a more continuous target tracking, mainly while driving in curves, observations made only by single sensors are also considered. However, these measurements have lower level of confidence than the associated targets. Therefore these measurements first have to be validated for a certain period of time before they are approved.</p><p>Test runs indicate that the target tracking works as intended. One major difficulty has been to separate stationary targets from slow moving ones, especially in low speeds. This is due to the fact that the sensors’ speed measurements are fairly inaccurate. Therefore a stationary target could be reported as a slow moving one.</p> kortdistansradar sensorfusion adaptiv farthållare Stop & Go Signal processing Signalbehandling
3	Utvecklingsstudie av Adaptiv farthållare för kolonnkörning / Development study of Adaptive cruise control for convoy driving Tümtürk, Taner January 2020 (has links) Fokus idag ligger på självkörande fordon, fler och fler inom fordonsindustrin utvecklar och forskar inom ämnet. En bit av ämnet är adaptiv farthållare som används för att undvika och minska kollisioner mellan objekt under kolonnkörning. Detta utförs genom att beräkna sträckor upp till 250 m med en distanssensor för långa avstånd och reglera gasreglaget och bromssystemet. Sensorerna kommer att vara grunden till detta arbete. Rapporten tar upp två typer av sensorer som klarar av att mäta längre sträckor, radarsensor som använder sig av radiovågor och lidarsensor som använder laserstråle. Litteraturstudie över befintlig forskning inom ämnet påvisar att olikheter mellan sensorerna finns och de har sina för- och nackdelar. Det som skiljer dem åt är upplösning av objektet och väderförhållanden, vilket kan vara avgörande vilket resultat man strävar efter. För att få reda på vad marknaden har att erbjuda utfördes en jämförande studie. Där ett fåtal sensorer valdes ut för att jämföras och presenteras. I blockschemat visas en skillnad i uppbyggnad av systemet, då det gäller mellan sensorerna radar och lidar. Skillnaderna är på komponentnivå eftersom de använder sig av olika tekniker. Ett övergripande blockschema över systemet presenteras och ett förslag på en arkitektur läggs fram med ett mer specifikt blockschema. / The focus today is on self-driving vehicles, more and more in the automotive industry are developing and researching the subject. One piece of the subject is adaptive cruise control that is used to avoid and reduce collisions between objects during convoy driving. This is accomplished by calculating distances up to 250m with a long-distance sensor and adjusting the throttle and braking system. The report addresses two types of sensors capable of measuring longer distances, radar sensors using radio waves and lidar sensors using lasers. The sensors will be the basis for this work. A literature review of existing research in the subject shows that differences between the sensors exist and that they have their advantages and disadvantages. Where the sensors differentiate them is the resolution of the object and the weather conditions, which can determine which result you are aiming for. In order to find out what the market has to offer, a comparative study was conducted. Where a few sensors were selected for comparison and presentation. Where the block diagram indicates that there are differences between radar and lidar of the system structure. The differences are at the component level because they use different techniques. An overall block diagram of the system is presented and a proposal for an architecture is presented with a more specific block diagram. Adaptiv farthållare Elektroteknik och elektronik
4	Skapande av karta för fordonsreglering med framförhållning Andersson, Niclas January 2015 (has links) Utbudet av bra, täckande vägkartor som innehåller information om vägarnas lutningar är idag begränsat. Att skapa sådana kartor är också dyrt, då det kräver både arbetskraft och dyr utrustning. Tack vare en ny algoritm är det dock nu möjligt att skatta lutningen på en väg endast genom användandet av en enkel GPS-enhet och redan existerande sensorer i tunga lastbilar. Genom att kombinera flera sådana mätningar för samma väg är det möjligt att få en bra skattning av vägens lutning. I detta arbete har ett system för att skapa vägkartor med lutning både implementerats och utvärderats. Resultaten visar att det är möjligt att skapa vägprofiler med lutningsinformation genom att använda redan tillgängliga sensorer. Resultaten är baserade på både simulerad data och ett begränsat antal verkliga experiment. / There is currently a limited supply of good road maps with good coverage that includes data about the slope of the roads.Creating such maps is also expensive, and requires both labor and expensive equipment. Thanks to a new algorithm however, it is possible to estimate the slope of a road by using only a simple GPS device and already existing sensors in a heavy duty vehicle. By combining several measures along the same road, it is possible to get a good estimate of the slope of the road. In this work, a system for creating road maps with integrated slope data from such estimations is both implemented and evaluated. The results show that it is indeed possible to create road profiles with slope data using only already available sensors. The results are based on both simulated data and a limited set of data collected from real world experiments. karta gps openstreetmap lastbil farthållare Computer Sciences Datavetenskap (datalogi)
5	Fuel optimizing cruise controller with driveability / Bränsleoptimerande farthållare med körbarhet Hällerstam Jonsson, Linnea January 2017 (has links) This thesis work is based on a dynamic programming solution of a fuel optimizing cruise controller that was developed at Scania CV AB last year. Known data of the road ahead, mainly the slope, is used to continuously calculate the optimal torque and gear choices of a given moving vehicle for a certain horizon. The optimization calculations are based on fuel consumption and the vehicle's arrival time to the final destination. This report has been focused on achieving better "driveability" of the cruise controller while still maintaining the good fuel saving qualities that is already there. Simulation is used to evaluate the cruise controller on roads where the wanted data is known. The result is smaller speed variations on at road segments, which will improve a driver's impression of the cruise controller. The great fuel benefits of using roll-techniques in hilly areas is maintained from the previous implementation. The key to the optimal balance between these two behaviors is found using a method that limits the torque usage of the truck to a certain speed interval and then finds exception areas where the torque usage should be unlimited. / Detta examensarbete är baserad på en dynamisk programmeringslösning av en bränsleoptimerande farthållare som utvecklades på Scania CV AB förra året. Känd data om den framförvarande vägen, så som lutningen, används för att beräkna optimalt drivmoment och växelval för ett givet fordon för en viss horizont. Optimeringsberäkningarna baseras på bränsleförbrukning och fordonets ankomsttid till målet. Denna rapport focuserar på att uppnå bättre "körbarhet" för farthållaren och samtidigt behålla de goda bränslebesparande egenskaper som farthållaren redan har. Simulering nyttjas för att analysera farthållaren på vägar där önskad data är känd. Resultatet är mindre hastighetsvariationer på platta vägar, vilket bör förbättra förarens uppfattning av farthållaren. De stora fördelar som kommer med användning av rull-tekniker på kuperade vägsträckor bevaras från den tidigare implementeringen. Nyckeln till optimal balans mellan dessa två körbeteenden är en metod som går ut på att begränsa fordonets momentanvändning till ett visst hastighetsinterval och sedan hitta undantagsområden där momentanvändning borde vara obegränsad. MPC Cruise controller Optimization Driveability MPC Farthållare Optimering Körbarhet Computational Mathematics Beräkningsmatematik
6	Robust Safe Control for Automated Driving Systems With Perception Uncertainties / Robust Säker Styrning för Automatiserade Körsystem med Avseende på Perceptions Osäkerheter Feng Yu, Yan January 2022 (has links) Autonomous Driving Systems (ADS), a subcategory of Cyber-Physical Systems (CPS) are becoming increasingly popular with ubiquitous deployment. They provide advanced operational functions for perception and control, but this also raises the question of their safety capability. Such questions include if the vehicle can stay within its lane, keep a safe distance from the leading vehicle, or avoid obstacles, especially under the presence of uncertainties. In this master thesis, the operational safety of ADS will be addressed, more specifically on the Adaptive Cruise Control (ACC) system by modeling an optimal control problem based on Control Barrier Function (CBF) unified with Model Predictive Control (MPC). The corresponding optimal control problem is robust against measurement uncertainties for an Autonomous Vehicle (AV) driving on a highway, where the measurement uncertainties will represent the common faults in the perception system of the AV. A Kalman Filter (KF) is also added to the system to investigate the performance difference. The resulting framework is implemented and evaluated on a simulation scenario created in the open-source autonomous driving simulator CARLA. Simulations show that MPC-CBF is indeed robust against measurement uncertainties for well-selected horizon and slack variable values. The simulations also show that adding a KF improves the overall performance. The higher the horizon, the more confident the system becomes as the distance to the leading vehicle decreases. However, this may cause infeasibility where there are no solutions to the optimal control problem during sudden braking as the AV cannot brake fast enough before it crashes. Meanwhile, the smaller the slack variable, the more restrictive becomes CBF where it impacts more on the control input than desired which could also cause infeasibility. The results of this thesis will help to facilitate safety-critical CPS development to be deployed in real-world applications. / Autonoma körsystem (ADS), som är en del av cyberfysiska system (CPS), har blivit alltmer populär med allestädes närvarande användning. Det bidra med avancerade operativa funktioner för perception och styrning, men samtidig väcker detta också frågan om dess säkerhetsförmåga. Sådana frågor inkluderar om fordonet kan hålla sig inom sitt körfält, om det kan hålla ett säkert avstånd till det ledande fordonet eller om det kan undvika hinder, speciellt under osäkerheter hos systemet. I detta examensarbete kommer driftsäkerheten hos ADS att behandlas, mer specifik på adaptiv farthållare (ACC) genom att modellera ett optimalt kontrollproblem baserat på kontrollbarriärfunktion (CBF) förenat med modellförutsägande styrning (MPC). Motsvarande optimalt kontrollproblem är robust mot mätosäkerheter för ett autonomt fordon som kör på en motorväg, där mätosäkerheterna representerar vanliga fel i AV:s perceptionssystem. Ett Kalmanfilter (KF) läggs också till i systemet för att undersöka skillnaden i prestanda. Det resulterande ramverket implementeras och utvärderas på ett simuleringsscenario som skapats i den öppna källkodssimulatorn för autonom körning CARLA. Simulationer visar att MPC-CBF är robust mot mätosäkerheter för väl valda värden för horisont och slackvariabler. Det visar också att systemets prestanda förbättrats ännu mer om ett KF läggs till. Ju större horisont, desto mer självsäkert blir systemet när avståndet till det ledande fordonet minskar. Detta kan dock leda till att det inte finns några lösningar på det optimala kontrollproblemet vid plötslig inbromsning, eftersom fordonet inte hinner bromsa tillräckligt snabbt innan det kraschar. Ju mindre slackvariabeln är, desto mer restriktiv blir CBF som påverkar styrningen mer än vad som är önskvärt vilket också kan leda till olösbart optimalt kontrollproblem. Resultatet från detta examensarbete bär syftet att gynna utvecklingen av säkerhetkritisk CPS som ska användas i praktiska tillämpningar. Adaptive cruise control Autonomous Driving System Control barrier function Cyber-physical systems Measurement uncertainties Model predictive control Kalman filter Adaptiv farthållare Autonoma körsystem Kontrollbarriärfunktion Cyberfysiska system Mätstörning Modellförutsägande styrning Computer and Information Sciences Data- och informationsvetenskap
7	Channel measurement and communication module for the Grand Cooperative Driving Challenge Bergh, Fredrik, Andersson, Johan January 2011 (has links) Vehicular ad hoc networks (VANETs) are a hot topic in the intelligent transport system (ITS) area. The introduction of wireless communications between vehicles will enable many useful applications to enhance road traffic safety as well to increase efficiency. The standardization of IEEE 802.11p, being an amendment to IEEE 802.11 intended for VANETS, faces many challenges. In Europe a 30 MHz spectrum at 5.9 GHz have been dedicated for ITS and this spectrum has to be used to its full potential. For this reason this thesis compares a 20 MHz wide frequency channel with a 10 MHz wide through measurements using 802.11p hardware. The measurements were conducted on a highway with relative speeds of up to 240 km/h. The results from these initial measurements show that a 20 MHz channel does not perform worse than a 10 MHz channel despite the high relative speeds and large metal signs scattering the signals. What enabled this thesis to do the measurements was Halmstad University‟s participation in the Grand Cooperative Driving Challenge (GCDC) 2011. In GCDC nine teams mostly from Europe competed in having the vehicle that had the best behaviour in a platoon of vehicles using cooperative adaptive cruise control (CACC), the CACC algorithm controlled the vehicles‟ acceleration and breaking autonomously based on in-vehicle sensors and communicated messages between the vehicles in the platoon using 802.11p. This thesis implemented the communication part of Halmstad University‟s vehicle. The challenge was held in Helmond, Holland, May 14-15, 2011. Halmstad University‟s team finished in second place. / CoAct Wireless communication data communication platooning VANET 802.11 802.11p CALM GCDC Grand Cooperative Driving Challenge ad hoc competition vehicular network vehicular ad hoc networks ITS intelligent transport systems cooperative adaptive cruise control Trådlös kommunikation datakommunikation platooning VANET 802.11 802.11p CALM GCDC Grand Cooperative Driving Challenge ad hoc tävling kooperativ adaptiv farthållare fordonsnätverk fordon ITS intelligenta transportsystem
8	Dynamic Speed Adaptation for Curves using Machine Learning / Dynamisk hastighetsanpassning för kurvor med maskininlärning Narmack, Kirilll January 2018 (has links) The vehicles of tomorrow will be more sophisticated, intelligent and safe than the vehicles of today. The future is leaning towards fully autonomous vehicles. This degree project provides a data driven solution for a speed adaptation system that can be used to compute a vehicle speed for curves, suitable for the underlying driving style of the driver, road properties and weather conditions. A speed adaptation system for curves aims to compute a vehicle speed suitable for curves that can be used in Advanced Driver Assistance Systems (ADAS) or in Autonomous Driving (AD) applications. This degree project was carried out at Volvo Car Corporation. Literature in the field of speed adaptation systems and factors affecting the vehicle speed in curves was reviewed. Naturalistic driving data was both collected by driving and extracted from Volvo's data base and further processed. A novel speed adaptation system for curves was invented, implemented and evaluated. This speed adaptation system is able to compute a vehicle speed suitable for the underlying driving style of the driver, road properties and weather conditions. Two different artificial neural networks and two mathematical models were used to compute the desired vehicle speed in curves. These methods were compared and evaluated. / Morgondagens fordon kommer att vara mer sofistikerade, intelligenta och säkra än dagens fordon. Framtiden lutar mot fullständigt autonoma fordon. Detta examensarbete tillhandahåller en datadriven lösning för ett hastighetsanpassningssystem som kan beräkna ett fordons hastighet i kurvor som är lämpligt för förarens körstil, vägens egenskaper och rådande väder. Ett hastighetsanpassningssystem för kurvor har som mål att beräkna en fordonshastighet för kurvor som kan användas i Advanced Driver Assistance Systems (ADAS) eller Autonomous Driving (AD) applikationer. Detta examensarbete utfördes på Volvo Car Corporation. Litteratur kring hastighetsanpassningssystem samt faktorer som påverkar ett fordons hastighet i kurvor studerades. Naturalistisk bilkörningsdata samlades genom att köra bil samt extraherades från Volvos databas och bearbetades. Ett nytt hastighetsanpassningssystem uppfanns, implementerades samt utvärderades. Hastighetsanpassningssystemet visade sig vara kapabelt till att beräkna en lämplig fordonshastighet för förarens körstil under rådande väderförhållanden och vägens egenskaper. Två olika artificiella neuronnätverk samt två matematiska modeller användes för att beräkna fordonets hastighet. Dessa metoder jämfördes och utvärderades. Machine Learning Artificial Intelligence MachineLearning Machine-Learning AI ML MLP Neural Networks Multilayer-Perceptron RFB RBF-Network Vehicle Automation AutonomousVehicles Autonomous SelfDriving Self-Driving Self Driving Curve Speed Adaptation Adaption CSA ACC Adaptive Cruise Control Driving Style Driver Behavior Behaviour Sample Samples Distance Derivative Speed Velocity Curvature Road Inclination Lane Width Type Acceleration Longitudinal Lateral Data Training Test Validation Results Discussion Sustainability Ethics Ethical Sustainable Future Today Tomorrow Yesterday Robot Robotics System Systems Class Classes Bin Bins Tree One A Dynamic Using Time Delay Volvo Car Cars Corporation Zenuity School Computer Science Master Degree Project Thesis Paper Object GPS Map Length Research Advanced Машинное Обучение Искусственный Интеллект AI ML MLP RBF Автомобиль Машына Сеть Робот Водитель Заворот Дорога Сам Сама Едет Ехать Учить Учит Учится Автоматизация Адаптация Результат Один Одна Одно Вчера Сегодня Завтра Дерево Карта ГПС Информатика Компьютер Наука Научная Работа Школа Вольво Завод Транспорт Maskininlärning Artificiell Intelligens Inlärning Maskin AI ML MLP RBF Neural Neurala Nätverk Artificiella Automation Själv Självkörande Körande Bil Fordon Robot Robotik Körstil Stil Beteende Adaption Kurva Lutning Väg CSA ACC Farthållare Hastighet Fart Hållare Inclination Körfält Fält Spår Bredd Typ Acceleration Longitudinell Lateral Data Traingin Test Validation Resultat Diskussion Längd Hållbarhet Etik Etiskt Framtid Dåtid Idag Imorgon System Class Klass Classer Klasser Träd En Ett Fler Flera Dynamisk Använda Tid Fördröjning Tids Volvo Car Corporation Object Zenuity Skola Dator Vetenskap Forkning Avancerad Projekt Exjobb Examensarbete Betyg GPS Karta Computer Sciences Datavetenskap (datalogi)

Search results