Sensoru datu iegūšana un priekšapstrāde darbam ar aizņemtības kartēm

Abstract

Autonomo braukšanu platformām ir daudz dažādu šķēršļu vēl šodien, kas ietekmē drošas sistēmas izstrādi. Viena no būtiskākajām sistēmas daļām ir automašīnas vides uztvere. Lai automašīna spētu veikt lēmumus par turpmāko maršrutu un novērtētu riskus, tai ir nepieciešama informācija par šķēršļiem tās apkārtnē, kā arī brīvajiem reģioniem. Iegūtie dati no LiDAR sensoriem ir jāapstrādā, pirms tos var izmantot priekš vides modelēšanas, jo tie ietver informāciju, kas apgrūtina nozīmīga vides modeļa veidošanu. Neapstrādāti LiDAR punktu mākoņi ietver atstarojumus gan no objektiem, gan zemes. Tā kā zeme neskaitās kā šķērslis, attiecīgos punktus ir nepieciešams atpazīt un neņemt vērā, veidojot aizņemtības kartes. Šī darba ietvaros es izstrādāju programmu, kas saņem datus no sensoriem, kas nepieciešami autonomās braukšanas vides modeļa veidošanai, kā arī šos datus apstrādā pirms tie tiek izmantoti vides modeļa pilnveidošanai ar aizņemtības karti. Darbs izstrādāts Elektronikas un datorzinātņu institūtā, projekta Ecomobility GA Nr. 101112306 ietvaros.

Autonomous driving systems possess multiple obstacles that influence the development of a safe system. One integral part of an autonomous driving system is the perception of the environment around the vehicle. Information about obstacles and free space is needed so that the system is able to plan the further path and assess risks. Data acquired from LiDAR sensors needs to be processed before it can be used for environment modeling since it contains data that obstructs other meaningful information needed for environment modeling. Raw data from LiDAR sensors contain reflections from obstacles as well as ground. Since ground is not considered an obstacle, points belonging to ground need to be recognized and skipped when making occupancy grid maps. I have developed a program that receives data from sensors that are needed for autonomous driving and preprocesses the data so that it can be used for environment modeling with an occupancy grid map. Program has been developed at the Institute of Electronics and Computer Science within the Ecomobility GA Nr. 101112306 project.