Sensor Orientation Selection and Adaptive Control of an Actuated Sensor Platform for Autonomous Vehicles

Sensor Orientation Selection and Adaptive Control of an Actuated Sensor Platform for Autonomous Vehicles (Alois Unterholzner)

Titel: Sensor Orientation Selection and Adaptive Control of an Actuated Sensor Platform for Autonomous Vehicles

Autor: Alois Unterholzner

Download: [pdf]

 

Zusammenfassung

Die Wahrnehmung der Umgebung ist eine grundlegende Fähigkeit für autonome Fahrzeuge. Sicheres autonomes Fahren erfordert insbesondere eine hohe Sensorauflösung und ein großes Gesichtsfeld. Eine hohe Sensorauflösung wird für die frühzeitige Erkennung weit entfernter Objekte sowie für die Erfassung wichtiger Umgebungsmerkmale in ausreichender Detailgenauigkeit benötigt. Ein großes Gesichtsfeld ist für die Beobachtung der für die aktuelle Fahraufgabe relevanten Fahrzeugumgebung unerlässlich. 

Im Allgemeinen gibt es zwei Möglichkeiten, diese konkurrierenden Anforderungen zu erfüllen: Mehrere Sensoren am Fahrzeug anzubringen oder einen aktiven Sensor, das heißt einen Sensor dessen Orientierung aktiv verändert werden kann, zu verwenden. Die Verwendung eines aktiven Sensors setzt allerdings die Fähigkeit zur Auswahl geeigneter Sensororientierungen voraus. Dieser Mechanismus wird -- gemäß seiner Entsprechung in der menschlichen Wahrnehmung -- selektive Aufmerksamkeit genannt.  

Selektive Aufmerksamkeit in Kombination mit einem aktiven Sensor ermöglicht eine hohe Sensorauflösung und ein großes Gesichtsfeld. Darüber hinaus wird die Informationsdichte im eingehenden Sensordatenstrom erhöht. Im Gegensatz zur Verarbeitung von Daten, die von mehreren, fest mit dem Fahrzeug verbundenen Sensoren stammen, kann bei gleichem Detailierungsgrad ein sparsamerer Umgang mit der Rechenkapazität des autonomen Fahrzeugs erreicht werden. Echtzeitfähigkeit lässt sich dadurch leichter realisieren.  

Die Auswahl aussagekräftiger Sensororientierungen sowie die Regelung einer an-getriebenen Sensorplattform sind die zwei Hauptthemenfelder dieser Arbeit.  

Die Auswahl geeigneter Sensororientierungen hängt von der vorliegenden Fahraufgabe ab: Es ist offensichtlich, dass das Linksabbiegen an einer Kreuzung eine andere Abfolge von Sensorblickrichtungen benötigt als das Rechtsabbiegen, da die Bedeutung des Gegenverkehrs für beide Fahraufgaben stark variiert. Daher basiert die vorgestellte Methode zur Auswahl der nächsten Sensororientierung auf drei aufgabenabhängigen Kriterien: Die Bedeutung von Objekten im Hinblick auf die aktuelle Situation, die bezüglich dieser Objekte verfügbare Information sowie die Abdeckung der relevanten Fahrzeugumgebung durch das Blickfeld des Sensors.  

Die Anforderungen an einen aktiven Sensor umfassen eine hohe Positioniergeschwin-digkeit, ein gutes Folgeverhalten sowie die Kompensation störender Sensorbewegungen. Für jede dieser Anforderungen wird ein individueller Regelalgorithmus entworfen, welcher in der Lage ist, sich an veränderliche Betriebsbedingungen anzupassen. Aus der Kombination dieser Algorithmen resultiert eine leistungsfähige und flexible Reglerarchitektur für aktive Sensorplattformen. 

Die vorgestellte Methode zur Auswahl zukünftiger Sensororientierungen sowie die Regelung der Sensorplattform werden auf drei unterschiedliche Arten evaluiert: Mit Hilfe von Simulationen, während der Verarbeitung realer, von Kreuzungsszenarien stammender Sensordaten sowie bei umfangreichen Testfahrten. Die Testfahrten umfassen Fahren im Konvoi und vollautonomes Navigieren auf Straßennetzen. 

 

Abstract

Perception of the environment is an essential capability for autonomous vehicles. Safe autonomous driving requires in particular a high sensor resolution and a large field of view. A high sensor resolution is required for early detection of distant objects as well as for capturing important features in sufficient detail. A large field of view is essential for observing the vehicle's surrounding area that is relevant for the current driving task.

In general there are two possibilities to satisfy these competing requirements: Attaching more than one sensor to the vehicle or using a sensor that can actively adjust its orientation, a so called active sensor. Utilizing an active sensor requires the selection of meaningful sensor orientations. This mechanism is called selective attention, according to its counterpart in the human perceptual system.

Besides providing a high sensor resolution and a large field of view, selective attention in combination with an active sensor is a means to enhance information density in the sensory input data stream. This is a way to economize the autonomous vehicle's computational resources and achieve real time capability more easily compared to processing equally detailed data derived from several sensors that are fixed to the vehicle body.    

The selection of meaningful sensor orientations as well as the control of an actuated sensor platform are the two major subjects addressed in this thesis. 

The selection of appropriate sensor orientations depends on the given driving task: Obviously, turning left at an intersection requires a different sensing strategy than turning right, as the importance of oncoming traffic differs considerably for both tasks. Therefore the proposed method for selecting the next sensor orientation is based on three task dependent criteria: The importance of objects with respect to the current situation, the available information about these objects as well as sensor coverage of the vehicle's relevant surrounding area.

The requirements for an active sensor comprise high positioning speed, good tracking behavior as well as attenuation of disturbing sensor motions. Individual control algorithms capable of adapting to varying operating conditions are developed for each requirement. The combination of these algorithms results in a flexible and powerful control architecture for actuated sensor platforms. 

The applicability of the proposed method for sensor orientation selection and the control of the actuated sensor platform are evaluated by three different means: through simulations, while processing real sensor data derived from intersection scenarios and during test drives including convoy driving and fully autonomous road-network navigation.

 

Weiterführendes Material