Improving RRT for Automated Parking in Real-world Scenarios

要約

自動駐車は、数年前から車に搭載されている自動運転機能です。
現在販売されている車の駐車アシスタントは、より複雑な現実世界のシナリオでは駐車できず、アシスタントが作動する前にドライバーが車を予想される開始位置に移動する必要があります。
我々は、次の 2 つの段階で構成される計画アルゴリズムを提案することで、これらの制限を克服します。(1) 駐車スロット内での操縦のための幾何学的プランナーと、(2) 駐車スロット内での衝突のない経路を見つける急速探索ランダム ツリー (RRT) ベースのプランナー。
スロットエントリの初期位置。
計算実験の評価では、一般的に使用されている RRT 拡張機能の改善により、駐車経路のコストが 21 % 削減され、計算時間が 79.5 % 削減されることが実証されました。
このアルゴリズムが実際の駐車シナリオに適していることは、ポルシェ カイエンを使った物理実験で検証されました。

要約(オリジナル)

Automated parking is a self-driving feature that has been in cars for several years. Parking assistants in currently sold cars fail to park in more complex real-world scenarios and require the driver to move the car to an expected starting position before the assistant is activated. We overcome these limitations by proposing a planning algorithm consisting of two stages: (1) a geometric planner for maneuvering inside the parking slot and (2) a Rapidly-exploring Random Trees (RRT)-based planner that finds a collision-free path from the initial position to the slot entry. Evaluation of computational experiments demonstrates that improvements over commonly used RRT extensions reduce the parking path cost by 21 % and reduce the computation time by 79.5 %. The suitability of the algorithm for real-world parking scenarios was verified in physical experiments with Porsche Cayenne.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google