The transportation of people over the years was an integral part of their daily lives. For this reason, the first efforts to manufacture a car began in the 18th century. Over the years, the industries were constructing more and more modern cars to offer the people easy and comfortable transportations. In recent years, the most known companies and universities perform research aiming to create autonomous vehicles, which will change the way traditional cars work. Some of the main problems that the technology of self-driving cars will contribute drastically, are the saving of significant time in people’s daily lives, the reduction of road accidents and consequently the safer transportations, the contribution to fuel economy and the reduction of environment’s pollution. To date, a fully autonomous vehicle has not yet been constructed, which operates without any human intervention. When this technology becomes a reality, the vehicle will have a full and precise perception of the external environment’s conditions, will make the right decisions every time, and will be able to exchange information with other vehicles to cooperate for better operation of the overall traffic. However, a lot of effort and research is demanded in the sector of autonomous driving to create a vehicle that successfully corresponds to numerous scenarios and conditions that occur inside the traffic. The implementation of such a system requires solving the problems of the external environment’s perception, the right behavior choice, and the safe and smooth transition to the final destination by obeying the traffic rules and avoiding dynamic and static obstacles. To solve the aforementioned problems, suitable equipment is needed that includes state-of-the-art sensors which will take as input the environment’s measurements. The measurements will be analyzed by a central processing unit and finally, the right decision will be taken. (continue in full text)
Static Analysis of Python code and Identification of Potential Security Vulne...
Development of a graphical interface of an autonomous vehicle for driving behavior parameterization and remote controlling
1. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για
παραμετροποίηση της οδηγικής συμπεριφοράς
και απομακρυσμένο έλεγχο του
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ
ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ
ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ
ΕΡΓΑΣΤΗΡΙΟ ΕΠΕΞΕΡΓΑΣΙΑΣ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΥΠΟΛΟΓΙΣΜΩΝ
Επίβλεψη:
Εμμανουήλ Τσαρδούλιας
Μεταδιδακτορικός Ερευνητής
Επίβλεψη:
Συμεωνίδης Ανδρέας
Αναπληρωτής Καθηγητής Α.Π.Θ.
Εκπόνηση:
Παπαδάμ Στέφανος
ΑΕΜ: 8885
Θεσσαλονίκη, Νοέμβριος 2021
2. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
2
Επίπεδα Αυτονομίας
0 2 4
5
3
1
Καμία Αυτονομία
Υπό όρους αυτονομία
“eyes off”
Υποβοηθούμενη
οδήγηση “hands on”
Αυτονομία υψηλού
επιπέδου “mind off”
Μερική αυτονομία
“hands off”
Πλήρης αυτονομία
“steering wheel optional”
3. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
3
Projects σε εξέλιξη
Εταιρείες Πανεπιστήμια
4. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
4
Κίνητρο
Ποιότητα ζωής
Μετακίνηση Α.Μ.Ε.Α.
Αύξηση παραγωγικότητας
Απαλλαγή ρουτίνας οδήγησης
Οικονομία
Εξοικονόμηση Καυσίμων
Μείωση υλικών ζημιών
Ασφάλεια
Μείωση τροχαίων
Τήρηση Κανόνων
Κοινωνία
Αποσυμφόρηση δρόμων
Βελτίωση Μ.Μ.Μ.
Αυτοματοποίηση εργασιών
Τομείς
5. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
5
Σκοπός Διπλωματικής Εργασίας
Δημιουργία Γραφικής Διεπαφής
Απομακρυσμένος Έλεγχος
Αυτοκινήτου
Παραμετροποίηση Οδηγικής
Συμπεριφοράς
Δημιουργία Αυτόνομου
Οχήματος
Ένταξη Αυτόνομου Οχήματος
στο IoT
6. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
6
Γνώσεις που αποκτήθηκαν
Flow-based προγραμματισμός
για IoT εφαρμογές
Πρωτόκολλο Επικοινωνίας
MQTT
Μεσολαβητής Μηνυμάτων
Mosquitto
Προγραμματισμός
σε Python
Προσομοιωτής ανάπτυξης
αυτόνομων οχημάτων CARLA
Τεχνολογία αυτόνομων
οχημάτων
7. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
7
Αρχιτεκτονική Σχεδίασης
Τρία κύρια μέρη της σχεδίασης
❖ Απομακρυσμένο τμήμα
διεπαφής
❖ Μεσολαβητής Μηνυμάτων
❖ Αλγοριθμικό τοπικό τμήμα
αυτόνομου οχήματος
8. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
8
Γραφική Διεπαφή NodeRED
Τρεις κατηγορίες ενεργειών
❖ Κατηγορία πληροφοριών
(αριστερά)
❖ Κατηγορία ενεργειών πριν την
εκκίνηση του οχήματος
(δεξιά)
❖ Κατηγορία ενεργειών κατά
την πορεία του οχήματος
(κέντρο)
9. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
9
Κατηγορία Πληροφοριών
Ταχύμετρο
Οδηγίες Χρήσης
Διεπαφής
Πεδίο Ενημέρωσης
Αναδυόμενη ενημέρωση
10. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
10
Κατηγορία ενεργειών πριν την εκκίνηση
Επιλογή Τρόπου
Κίνησης
Επιλογή Κατεύθυνσης
Επιλογή Τοποθεσίας
11. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
11
Κατηγορία ενεργειών κατά την πορεία
Πλήκτρα χειρισμού του
οχήματος
Καθορισμός των
παραμέτρων κίνησης
12. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
12
Χαμηλού επιπέδου υλοποίηση
Ροή υλοποίησης
πλήκτρων START / STOP
Ροή υλοποίησης
ταχύμετρου
Παραδείγματα ροών
13. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
13
Επικοινωνία
Publish
Publish
Subscribe to
topic
Subscribe to
topic
Publish
Publish
Διαδρομή που ακολουθούν τα
μηνύματα από τη διεπαφή στο
όχημα και αντίστροφα
Πελάτες MQTT με τους οποίους
μεταφέρονται τα μηνύματα στον
μεσολαβητή
Μεσολαβητής Μηνυμάτων όπου
συγκεντρώνονται και
μοιράζονται όλα τα μηνύματα
Λειτουργία με τη λογική
Publish / Subscribe
14. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
14
Υποσυστήματα Αυτόνομου Οχήματος
Υποσύστημα
Επικοινωνίας
Υποσύστημα
Αντίληψης
Υποσύστημα Επιλογής
Συμπεριφοράς
Υποσύστημα Ελέγχου
Υποσύστημα Σχεδίασης
Τροχιάς
Υποσυστήματα
15. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
15
Υποσύστημα Σχεδίασης Τροχιάς
Επιλογές κίνησης από το χρήστη
Direction Location
FORWARD
STRAIGHT
RIGHT
LEFT
❖ Βενζινάδικο
❖ Κεντρικός κυκλικός κόμβος
❖ Κυκλική πλατεία
❖ Τούνελ
❖ Σιδηροδρομικός σταθμός
❖ Ουρανοξύστης
❖ Ξενοδοχείο
❖ Πλατεία
❖ Αυτοκινητόδρομος
❖ Εμπορικό Κέντρο
❖ Γραφείο
❖ Γειτονιά
❖ Καφετέρια
❖ Εστιατόριο
1
16. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
16
Υποσύστημα Σχεδίασης Τροχιάς
Direction
FORWARD
STRAIGHT RIGHT
LEFT
2
17. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
17
Υποσύστημα Σχεδίασης Τροχιάς
Location
A* αλγόριθμος
εύρεσης ελάχιστου
μονοπατιού
3
18. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
18
Υποσύστημα Σχεδίασης Τροχιάς
Παράδειγμα ολοκληρωμένης τροχιάς
1. Επιλογή Direction → STRAIGHT (μπλε)
1. Επιλογή Direction → RIGHT (μπλε)
1. Επιλογή Direction → FORWARD → 15 μέτρα (πράσινο)
1. Επιλογή Location → Highway (πορτοκαλί)
1. Επιλογή Direction → STRAIGHT (μπλε)
1. Επιλογή Location → Gas Station (πορτοκαλί)
4
19. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
19
Υποσύστημα Αντίληψης
➔ Εντοπισμός οχημάτων
➔ Εντοπισμός πεζών
Κατάταξη οχημάτων σε τρεις λωρίδες
➔ Αναγνώριση σημάνσεων
➔ Αναγνώριση φωτεινών
σηματοδοτών
Πληροφορία θέσεων, ταχυτήτων, λωρίδων,
καταστάσεων των σημάνσεων από το
CARLA API
20. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
20
Υποσύστημα Επιλογής Συμπεριφοράς
w(1)(1) ... w(1)(j) ... w(1)(7)
... ...
w(i)(1) ... w(i)(j) ... w(i)(7)
... ...
w(27)(1) ... w(27)(j) ... w(27)(7)
Συμπεριφορές
Κανόνες
Μέθοδος Ανάλυσης Απόφασης
Πολλαπλών Κριτηρίων (MCDM)
27 x 7
Αριστερή Αλλαγή Λωρίδας
Δεξιά Αλλαγή Λωρίδας
Ευθεία Πορεία
Αύξηση Ταχύτητας
Μείωση Ταχύτητας
Διατήρηση Ταχύτητας
Σταμάτημα Οχήματος
Συμπεριφορές Κατεύθυνσης Συμπεριφορές Ταχύτητας
Ομάδες Συμπεριφορών
w(i)(j) ∈ [-1, 1]
1
21. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
21
Υποσύστημα Επιλογής Συμπεριφοράς
Εφαρμογή φίλτρων
● Φίλτρο act (27 x 1): Τιμές 0 ή 1 ανάλογα με την
ενεργοποίηση ή μη του εκάστοτε κανόνα
● Φίλτρο law (27 x 1): Τιμές 1 ή ∈ [-1, 1] για την
επίδραση του slider lawful στον πίνακα
● Φίλτρο agg (7 x 1): Τιμές 1 ή ∈ [1, 2] για την
επίδραση του slider aggressive στον πίνακα
Ανανέωση βαρών πίνακα
2
22. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
22
Υποσύστημα Επιλογής Συμπεριφοράς
Υπολογισμός αθροίσματος στηλών
Υπολογισμός μέγιστης τιμής 3 πρώτων
στηλών
Υπολογισμός μέγιστης τιμής 4
τελευταίων στηλών
Βέλτιστη συμπεριφορά κατεύθυνσης
Βέλτιστη συμπεριφορά ταχύτητας
3
23. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
23
Υποσύστημα Επιλογής Συμπεριφοράς
Κύκλος αξιολόγησης συνθηκών
Αλλαγή στις τιμές των sliders Αλλαγή του διανύσματος act
4
Ή
24. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
24
Υποσύστημα Ελέγχου
Έλεγχος ταχύτητας με PID
(Longitudinal)
‘Έλεγχος κατεύθυνσης με PID
(Lateral)
Kp = 1.0
Kd = 0.0
Ki = 0.05
Kp = 1.0
Kd = 0.0
Ki = 0.07
PI
D
25. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
25
Μετρικές Αξιολόγησης
,
Ολοκλήρωση
Διαδρομής
Ποινή Παραβάσεων
Βαθμολογία
Οδήγησης
Μέση Ταχύτητα
Αριθμός Αριστερών
Αλλαγών
Αριθμός Δεξιών
Αλλαγών
Μετρικές αξιολόγησης
αυτόνομης οδήγησης
Μετρικές επίδρασης
των παραμέτρων
26. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
26
Συνθήκες Πειραμάτων
❖ Εκτέλεση πειραμάτων για 0, 10, 30, 60 και 90
δυναμικά εμπόδια
❖ Εκτέλεση 2 διαδρομών μήκους 1.2 km στην πόλη
3 του CARLA καλύπτοντας συνολικά 108 km
❖ Εκτέλεση για 9 διαφορετικούς συνδυασμούς των
παραμέτρων
➢ Aggressive → (0, 5, 10)
➢ Lawful → (0, 5, 10)
27. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
27
Αποτελέσματα 1
28. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
28
Αποτελέσματα 2
29. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
29
Συμπεράσματα
❖ Δυνατότητα ολοκλήρωσης της διαδρομής σε όλες σχεδόν τις περιπτώσεις
❖ Για παθητική συμπεριφορά ⇒ aggressive → 0 και lawful → 10
➢ Καλύτερη Βαθμολογία Οδήγησης ~ 1.0
➢ Μικρότερη ταχύτητα ~ 15 km/h
❖ Για ακραία συμπεριφορά ⇒ aggressive → 10 και lawful → 0
➢ Χειρότερη Βαθμολογία Οδήγησης ~ 0.2
➢ Μεγαλύτερη ταχύτητα ~ 35 km/h
❖ Για σταθερή τιμή lawful και αυξανόμενη τιμή aggressive
➢ Η Βαθμολογία Οδήγησης μειώνεται ↘
➢ Η μέση ταχύτητα αυξάνεται ↗
❖ Για σταθερή τιμή aggressive και αυξανόμενη τιμή lawful
➢ Η Βαθμολογία Οδήγησης αυξάνεται ↗
➢ Η μέση ταχύτητα μειώνεται ↘
❖ Περισσότερες αλλαγές λωρίδας ⇒ μεγάλες τιμές aggressive, μηδενικές τιμές lawful και για περισσότερα
δυναμικά εμπόδια
❖ Αδυναμία τήρησης ορίων ταχύτητας, καλύτερη συνέπεια σε φανάρια και STOP
30. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
30
Μελλοντική Έρευνα
Λύση προβλήματος αντίληψης
μέσω αισθητήρων με χρήση
τεχνικών τεχνητής νοημοσύνης
Εισαγωγή επιπλέον συστήματος
πρόβλεψης συμπεριφοράς
Δυναμική επιλογή τοποθεσιών
πάνω στο χάρτη
Δημιουργία δυναμικής διεπαφής
με δεδομένα πραγματικού χρόνου
όπως ο χάρτης ή η εικόνα του
αυτοκινήτου
Διεπαφή
Όχημα
31. Ανάπτυξη γραφικής διεπαφής αυτόνομου οχήματος για παραμετροποίηση
της οδηγικής συμπεριφοράς και απομακρυσμένο έλεγχο του
Σας ευχαριστώ για την προσοχή σας!
Ερωτήσεις?