Estimation of vehicle signals for autonomous driving applications
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: İngilizce
Öğrenci: HALİL TEMURTAŞ
Danışman: KLAUS VERNER SCHMİDT
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu çalışmanın amacı otonom sürüş uygulamaları için durum kestirici geliştirmektir. Otonom sürüş teknolojileri ve Yardımcı Sürüş Destek Sistemleri (YSDS) için artan talep ve kullanımdaki artış, araç güvenliği üzerinde önemli bir yer oynamaktadır. Bu otonom sürüş uygulamaları, işleyişleri sağlamak için çeşitli araç sinyallerinin gözlemlenmesine ihtiyaç duymaktadır. Ancak gerekli sinyallerin bir kısmı sensörler tarafından doğrudan gözlemlenebilir olmayabilir veya gerekli sinyali gözlemlemek için kullanılan sensörler seri üretim için çok pahalı veya büyük olabilir. Bu nedenle, otonom sürüş uygulamaları için pahalı olmayan sensörlerden gerekli araç sinyallerinin tahmini endüstride çok talep edilen bir konudur. Bu tez, bir çok modern araçta bulunabilen IMU, GPS alıcısı, tekerlek kodlayıcıları ve direksiyon açısı sensörlerini kullanarak araç navigasyon çözümünü, savrulma oranını, lastik kaymalarını ve lastik kuvvetlerini gözlemlemeyi amaçlamaktadır. Bunu başarmak için; araç konum, hız ve yönelimlerini kestiren bir Genişletilmiş Kalman Filtresi (GKF) mimarisi önerilmiştir. Daha sonra, gerekli teker durumlarının araç seyrüsefer çözümü kullanılarak kestirilmesi için bir method önerilmiştir. Bu çalışma kapsamında, sensör verileri ve araç dinamiğinin simüle edilmesi amacıyla Gazebo Classics Simulator ve ROS-2 aracı yazılımı kullanılan bir simulasyon ortamı kurulmuştur. Ek olarak, önerilen algoritmalar ROS-2 düğümleri olarak gerçekleştirilmiştir. Deneyler, tasarlanan simülasyon ortamında bir araç modeli kullanılarak gerçekleştirilmiştir. Sonuçlar, önerilen algoritmanın 5 metrelik bir hata içinde konum kestirimleri, 0,5 cm/sn hata içinde hız kestirimleri ve 0,5 derecelik hata içinde yönelim kestitimleri üretebildiğini göstermiştir. Ayrıca, önerilen algoritma, yönelim tahminlerinin kalitesini iyileştirmek için baş açısında yeterli değişiklik göstermesi koşulu ile, 200-N'ye kadar hata ile yanal ve boyuna lastik kuvvetini gözlemleyebilir. Sonuçlar, tavsiye edilen algoritmaların yeterli araç seyrüsefer çözümü ve teker durumları kestirebildiğini göstermiştir.