Master Projekt Systementwicklung (SS2017)

Autonomes Fahren

Im Sommersemester 2017 möchten wir unser Projekt zu autonomen mobilen Systemen, mit dem Schwerpunkt auf autonomes Fahren, fortsetzen. Abgedeckt werden dabei wie immer Themengebiete aus dem Bereich Embedded Systems, Computer Vision/Grafik und Machine Learning.

 

Autonome Navigation

Im Wintersemester 16/17 haben wir eine rudiment√§re Fahrspurerkennung auf unserer In-Door Teststrecke implementiert. Diesen Ansatz m√∂chten wir im kommenden Semester optimieren und erweitern. Hier eine Auswahl von m√∂glichen Themen, die wir bearbeiten m√∂chten.

 

Kreuzungen und Verkehrsregeln

Neben einfachen Strecken sollen nun auch Kreuzungen und einfache Verkehrszeichen bzw. Ampeln erkannt werden. Das erkennen von anderen Verkehrsteilnehmern ermöglicht bei einer Kreuzung ohne Ampel die Vorfahrtsregel 'Rechts vor Links' einzuhalten. Bei einer Kreuzung mit Stopschild, auch bei freier Fahrt soll kurz angehalten und bei Kreuzungen mit Ampeln die vier Ampelphasen entsprechend beachtet werden.

 

√úberholen, Gegenverkehr und Kolonnenfahren

Bei gestrichelten Mittelstreifen soll es nun m√∂glich sein andere Fahrzeuge, sofern kein Gegenverkehr herrscht, zu √ľberholen. Eine weitere M√∂glichkeit ist das Fahren in Kolonnen mit wechselndem F√ľhrungsfahrzeug. Zur Erkennung von anderen Verkehrsteilnehmern steht bereits ein Algorithmus aus dem letzten Semester bereit, der vorher definierte Objekte erkennt. Dieser Ansatz kann z.B. durch Machine Learning Ans√§tze erweitert werden. Um dies zu realisieren, steht uns in diesem Semester ein nVIDIA Jetson TX1 Board als Embedded Solution zur Verf√ľgung.

 

Agiles Fahrverhalten

Unterschiedliche Wetterbedingungen (Regen, Schnee, etc.) sind ein allt√§gliches Problem im Stra√üenverkehr. Eine M√∂glichkeit dies zu simulieren ist die Verwendung von Slick-Bereifung und glattem Boden im definierten Laborumfeld. Das Fahrverhalten des Autos wird dabei durch eine externe Kamera beobachtet und kann dynamisch beeiflusst werden. Die Daten√ľbertragung zum Auto erfolgt mir niedriger Latenz √ľber eine Wireless-Serial Verbindung. Die ersten Schritte k√∂nnen mittels eines einfachen PID-Controllers zur Ansteuerung durchgef√ľhrt und im Laufe des Semesters durch einen fortgeschrittenen Ansatz unter Verwendung von Reinforcement Learning und Markov Decision Process' erweitert werden.

 

Hardware

Als Plattform kommt ein modifzierter Traxxas Short Course Truck (siehe Abb. links unten) im Ma√üstab 1:10 zum Einsatz. Weiterhin besteht die M√∂glichkeit eine neue Plattform in kleinerem Ma√üstab in Betrieb zu nehmen und die Ansteuerungssoftware daf√ľr zu implementieren.

 

Als On-Board Hardware stehen uns diverse Raspberry Pi‚Äôs, ODROID XU3/4, nVIDIA Jetson, Intel Embedded Boards sowie diverse Kameras und sonstige Sensorik zur Verf√ľgung.

 

Eigene Ideen

Nat√ľrlich ist in unserem Projekt auch Platz f√ľr eigene Ideen. Bringen Sie diese einfach mit und wir besprechen sie beim ersten Termin! 

Die genauen Projektziele und Aufgabenverteilung besprechen wir gemeinsam am ersten Termin (06.04.2017 um 10:15 Uhr in D19/2.13).

 

Projektposter

 

Wir freuen uns auf ein spannendes und innovatives Projekt mit Ihnen!