A Sim-to-Real Vision-based Lane Keeping System for a 1:10-scale Autonomous Vehicle

要約

近年、いくつかのコンテストで、認識、世界モデリング、ローカリゼーションの機能が不十分なシナリオに対処するために、ビジョンベースのソリューションを調査する必要性が強調されています。
この記事では、ボッシュ フューチャー モビリティ チャレンジ 2022 のコンテキスト内で DEI-Unipd チームによって開発されたビジョンベースの車線維持システム (VbLKS) について紹介します。主な貢献は、シミュレーションから現実への (Sim2Real) GPS 拒否 VbLKS にあります。
1:10 スケールの自動運転車。
この VbLKS では、調整された Pure Pursuit (PP) ベースの制御戦略への入力、つまり先読み方位誤差 (LHE) が、畳み込みニューラル ネットワーク (CNN) を使用して一定の先読み距離で推定されます。
コンパクト CNN のトレーニング戦略が提案され、3D Gazebo シミュレーターからのシミュレートされたカメラ画像のデータ生成と拡張に重点が置かれ、低レベルのハードウェアでのリアルタイム操作が可能になります。
微分アクションと PP ベースの速度基準生成を備えた、調整された PP ベースのラテラル コントローラーが実装されています。
調整範囲は、体系的な時間遅延安定性解析を通じて確立されます。
代表的な管理された実験室設定での検証が提供されます。

要約(オリジナル)

In recent years, several competitions have highlighted the need to investigate vision-based solutions to address scenarios with functional insufficiencies in perception, world modeling and localization. This article presents the Vision-based Lane Keeping System (VbLKS) developed by the DEI-Unipd Team within the context of the Bosch Future Mobility Challenge 2022. The main contribution lies in a Simulation-to-Reality (Sim2Real) GPS-denied VbLKS for a 1:10-scale autonomous vehicle. In this VbLKS, the input to a tailored Pure Pursuit (PP) based control strategy, namely the Lookahead Heading Error (LHE), is estimated at a constant lookahead distance employing a Convolutional Neural Network (CNN). A training strategy for a compact CNN is proposed, emphasizing data generation and augmentation on simulated camera images from a 3D Gazebo simulator, and enabling real-time operation on low-level hardware. A tailored PP-based lateral controller equipped with a derivative action and a PP-based velocity reference generation are implemented. Tuning ranges are established through a systematic time-delay stability analysis. Validation in a representative controlled laboratory setting is provided.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google