Team GalaXIs presenting their concept of an autonomous model car at the Germany-wide Carolo-Cup 2010.

1. TEAM

2. Team GalaXIs
Lehrstuhl für Informatik 11
Software für eingebettete Systeme
RWTH Aachen
Prof. Dr.-Ing. Stefan Kowalewski

3. Team GalaXIs
Yves Duhr
9. Semester Dipl. Informatik
Philipp Fischer
1. Semester M. Sc. Informatik
Stefan Kockelkoren
10. Semester Dipl. Informatik
Julian Krenge
9. Sem. Dipl. Inform & 4. Sem. MBA
Matthias May
5. Semester Informatik B. Sc.

4. Projektmanagement
4

5. Gliederung
1. Technischer Aufbau
2. Spurerkennung
3. Spurführung
4. Ausweichalgorithmus
5. Einparkkonzept
5

6. Technischer
Aufbau
6

7. Konstruktion
Kamera
Blackfin Ultraschallsensoren
ATmegas
Kompass
Infrarotsensor
7

8. Architektur
32 MB Blackfin BF537 DSP Kamera OV7725
SDRAM 500 MHz 60 fps
CAN
Buttons
Atmega 16 Atmega 16
control measure
RC
PWM I2C
Kompass
I2C
Rad-
H-Bridge Servo
encoder USS li. USS re. USS hi. Infrarot
Motor
8

9. Hardwarekomponenten
Blackfin BF537 mit OV7725 Kamera 380 €
ATmegas für einfache Operationen 3€
Kyosho TF-5 Chassis 269 €
3x Ultraschall für Heck- und Frontabstand 120 €
1x Infrarot für Seitenabstand 40 €
Fertigungskosten 54 €
Gesamt 866 €
9

10. Energieverbrauch
Blackfin mit Kamera 160 mA
Sensoren und ATmegas 290 mA
Motor (unter Last) ca. 4000 mA
Lenkservo ca. 1000 mA
Gesamt 5450 mA
Energieeffizientes Konzept
Deaktivierung nicht benötigter Module
10

11. Spurerkennung
11

12. Spurerkennung
1. Aufnahme des Bildes
2. Radiale Entzerrung
3. Kantenerkennung
4. Klassifikation
12

13. Radiale Kanten-
Aufnahme Klassifikation
Entzerrung erkennung
Alternativen
• 160x120 Pixel • Höhere Auflösung
• Graustufen (8bit) • 24/32bit Farbraum
• 60 Bilder pro Sekunde
• Weitwinkelobjektiv • Mehrere Kameras
13

14. Radiale Kanten-
Aufnahme Klassifikation
Entzerrung erkennung
14

15. Radiale Kanten-
Aufnahme Klassifikation
Entzerrung erkennung
Alternativen
• Zielbild: 200x95 Pixel • Keine Formatanpassung
• Brown‘s distortion model
• Korrektur zweiten Grades • Höherer/geringerer Grad
x x x x
y = y + y − y ∗ K1 r 2 + K 2 r 4
u d d c
15

16. Radiale Kanten-
Aufnahme Klassifikation
Entzerrung erkennung
16

17. Radiale Kanten-
Aufnahme Klassifikation
Entzerrung erkennung
Alternativen
• Optimiert auf
Wettbewerbsbedingungen
• Prewitt-Operator • Sobel-Operator/Hough
• X- und Y-Richtung • Nur X-Richtung
• Segmente erstellen
und zu Linien verbinden
17

18. Radiale Kanten-
Aufnahme Klassifikation
Entzerrung erkennung
18

19. Radiale Kanten-
Aufnahme Klassifikation
Entzerrung erkennung
19

20. Radiale Kanten-
Aufnahme Klassifikation
Entzerrung erkennung
• Homogene Koordinaten
• Transformationsmatrix
durch 4 Referenzpunkte
in Testumgebung berechnet
 x '   a11 a12 a13   x 
     
 y '    a21 a22 a23    y  y
 w a a33   1 
   31 a32   
• Matrix invertierbar (Bidirektionalität) x
20

21. Radiale Kanten-
Aufnahme Klassifikation
Entzerrung erkennung
Alternativen
• Szenarioanalyse (LMR) • Statische Analyse
• Lage der Linien im Bild
• Lage der Linien zueinander
• Länge der Linien
• Plausibilität (nicht kreuzen)
• Charaketristika (Mittelinie)
21

22. Radiale Kanten-
Aufnahme Klassifikation
Entzerrung erkennung
22

23. Bewertung von Alternativen
Alternativen: Planung und Gedächtnis oder
künstliche Intelligenz
• Mehr Rechenleistung nötig
 Kosten, Energiebedarf, Instabilität
• Geringere Beherrschbarkeit und
Vorhersagbarkeit ( Fehlersuche)
23

24. Spurführung
24

25. Bestimmung der Fahrspuren
25

26. Berechnung des Lenkeinschlags
Erreichen optimaler Position in der Mitte der Spur
δ
r
d
α
d2 + δ2
r=
2δ
26

27. Berechnung des Lenkeinschlags
Zuordnung von Abweichung zu Lenkeinschlag
1600
1500 Sin
Steering Value
1400
1-(x-1)^2
1300
1200
20*x
1100
1000 Delta to
0 5 10 15 20 25 30 35 40 45 50
Steerval
Horizontal Steering Point Offset
Approximation durch quadratische Parabel
27

28. Regelung
Alternativen
• PID-Regler • P-/PI-Regler
• Schwingungsverfahren nach • Parameter aus
Regelstrecke ableiten
Ziegler/Nichols
• Andere
1. Einstellen als P-Regler
Einstellverfahren
2. Ermittlung der Eigenfrequenz
3. Aus Periodendauer bestimmen
sich I- und D-Anteil
28

29. Ausweich-
algorithmus
29

30. Situationsanalyse
• Erkennung
• Objekte durch
Sensorfusion
• Stopplinie durch
Kamera
• Lokalisation
• Spurzuordnung von Objekte
• Unterscheidung Start- und Stopplinie
30

31. Überholen und Vorfahrt
• Hindernis
• Verlegen der Sollspur
• Geregelter Spurwechsel
• Angepasste Geschwindigkeit
• Kreuzung
• Dynamisches Anhalten
• Vorfahrtsregeln durch Objekterkennung
• Jeder Sensor ist hinreichend
31

32. Einparken
32

33. Erkennen der Lücke
• Kameragestützte Erkennung vor Vorbeifahrt (± 2cm)
• Infrarot und Distanzmesser (± 1cm)
• Planung der Halteposition
33

34. Einparkvorgang
• Halt bei festgelegter Ausgangsposition
• Abfahrt statischer Trajektorie
• Maximaler Lenkeinschlag
P0
34

35. Stetige Kontrolle
• Front: Kamera, Ultraschall (± 1cm)
• Heck: Ultraschall, gespeicherte Position (± 1cm)
• Seite: Infrarot (± 1cm)
• Ausrichtung: Kompass (± 1°)
35

36. Vielen Dank für Ihre
Aufmerksamkeit
m