Red Nibble

На протяжение 2017 года, наиболее часто встречаемой и жарко обсуждаемой темой новостей, являлась создание и внедрение в общество автономных автомобилей(Autonomous car). На данный момент разработка полноценного автомобиля способного к перемещению без вмешательства водителя по различным дорогам и сопутствующих элементов(датчиков, алгоритмов), будоражит умы множества компаний и научных групп.

Проект Autoware, по созданию программного обеспечения, интересен и примечателен открытым исходным кодом, сообществом разработчиков и практической реализацией с участием ROS.
В представленном видео, с прошедшей конференции ROSCON, основатель проекта Autoware презентует основные решения, применяемые при создание систем управления беспилотным автомобилем.

Мысли и тезисы выступления:

• Основным рабочим датчиком является лидар(Velodyne). Видеокамеры —  второстепенные.
• Локализация транспортного средства осуществляется с использованием следующих шагов:
• a) Собирается огромное количество данных с использованием сканирующих автомобилей, оборудованных множеством высокоточных лидаров;
• б) Проходит постобработка полученного облака точек с выделением ключевой информации(объектов, строений и тп). Строиться упрощенная карта местности из полученных примитивов.
• в) При последующем движение автомобиля по знакомой местности осуществляется сравнения данных от лидаров с упрощенной картой. Беспилотный автомобиль определяет свое пространственное положени и ориентацию.

• Определить сигнал светофора — ресурсоемкая задача. Упрощается, если известно, где в пространстве расположен светофор, упростив обработку данных. В этом помогают построенные трехмерные карты. Так же заранее известно расположение постоянных дорожных знаков.
• Планирование траектории движения осуществляется с использованием A* с несколькими возможными сценариями.
• Движение по траектории — Pure Pursuite.
• Не много Deep Learning для пешеходов и автомобилей.

RAW