Trajectory Planning for Off-road Autonomous Driving
The thesis develops a trajectory planner which operates in a formula racing scenario. The proposed trajectory planner gives time-optimal off-road trajectory planning solutions and generates sequences of control signals for the vehicle to follow the trajectory. Outputs of the trajectory planner are t...
Main Author: | |
---|---|
Format: | Others |
Language: | English |
Published: |
KTH, Skolan för elektroteknik och datavetenskap (EECS)
2018
|
Subjects: | |
Online Access: | http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-233397 |
id |
ndltd-UPSALLA1-oai-DiVA.org-kth-233397 |
---|---|
record_format |
oai_dc |
spelling |
ndltd-UPSALLA1-oai-DiVA.org-kth-2333972018-09-01T05:53:48ZTrajectory Planning for Off-road Autonomous DrivingengYin, JiKTH, Skolan för elektroteknik och datavetenskap (EECS)2018Computer SciencesDatavetenskap (datalogi)The thesis develops a trajectory planner which operates in a formula racing scenario. The proposed trajectory planner gives time-optimal off-road trajectory planning solutions and generates sequences of control signals for the vehicle to follow the trajectory. Outputs of the trajectory planner are time-optimal trajectory, steering angle, resultant force of brake and throttle. The trajectory planner is designed to have two modes, the Exploring mode which is based on Rapidly-exploring Random Tree (RRT), and the optimization mode which is built upon optimal Rapidly-exploring random tree (RRT*). The exploring mode can generate a valid and safe trajectory in real time, but the solution is not optimal; optimization mode gives optimal trajectories but it can only do offline planning. The system structure makes it possible that the exploring mode keeps running while the optimization mode runs in the background; once the optimization process is complete, the vehicle could then follow the optimal trajectory. A local trajectory planning method which considers the constraint of off-road vehicle dynamics is designed and integrated in the planner. System performance is evaluated by simulations on a racing track. Many aspects including time optimality, vehicle stability have been taken into account. A new, fast, local steering method has been proposed; the method generates trajectory based on random input. By a more efficient implementation of the planner in the future, for example by using parallel computing, the optimization mode is promising for real-time trajectory generation. Detta examensarbete utvecklar en trajektoriegenerering som baseras på ett Formula racing scenario. Den föreslagna trajektoriegenerering ger en tidsoptimal off-road-lösning och medför sekventiella kontrollsignaler till fordonen att följa trajektorien. Utsignaler från trajektoriegenerering är den tidsoptimal trajektorien, styrvinkel och motsvarande kraft for broms och gaspådrag. Trajektoriegenerering är designad med två funktioner, utforskningsläget baserat på Rapidly-exploring Random Tree (RRT) och optimeringsläget som baseras på det optimala Rapidly-exploring Random Tree (RRT). Utforskningsläget genererar en tillåten och säker trajektorie i realtid, men den är inte optimal; Optimeringsläget ger den optimala trajektorien men kan inte bli genererad i realtid. Systemstrukturen gör det möjligt att ha utforskningsläget körandes, medans optimeringsläget körs i bakgrunden; när optimeringsprocessen är färdig kan fordonet följa den optimala trajektorien. En lokal trajektoriegenererings-metod tar med dynamiska off-road krav för fordonet när planeringen görs. Prestandan av systemet är avgjort på en simulerat racerbana.Många aspekter såsom tidoptima och fordonsstabilitet har tagits med i beräkningen. En ny styrmetod har föreslagits; där metoden snabbt genererar en trajektorie baserad på slumpmässiga insignaler. Med mer effektiv framtida implementering av planeringen, exempelvis parallellberäkning, blir optimeringsläget en lovande trajektoriegenerering i realtid. Student thesisinfo:eu-repo/semantics/bachelorThesistexthttp://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-233397TRITA-EECS-EX ; 2018:512application/pdfinfo:eu-repo/semantics/openAccess |
collection |
NDLTD |
language |
English |
format |
Others
|
sources |
NDLTD |
topic |
Computer Sciences Datavetenskap (datalogi) |
spellingShingle |
Computer Sciences Datavetenskap (datalogi) Yin, Ji Trajectory Planning for Off-road Autonomous Driving |
description |
The thesis develops a trajectory planner which operates in a formula racing scenario. The proposed trajectory planner gives time-optimal off-road trajectory planning solutions and generates sequences of control signals for the vehicle to follow the trajectory. Outputs of the trajectory planner are time-optimal trajectory, steering angle, resultant force of brake and throttle. The trajectory planner is designed to have two modes, the Exploring mode which is based on Rapidly-exploring Random Tree (RRT), and the optimization mode which is built upon optimal Rapidly-exploring random tree (RRT*). The exploring mode can generate a valid and safe trajectory in real time, but the solution is not optimal; optimization mode gives optimal trajectories but it can only do offline planning. The system structure makes it possible that the exploring mode keeps running while the optimization mode runs in the background; once the optimization process is complete, the vehicle could then follow the optimal trajectory. A local trajectory planning method which considers the constraint of off-road vehicle dynamics is designed and integrated in the planner. System performance is evaluated by simulations on a racing track. Many aspects including time optimality, vehicle stability have been taken into account. A new, fast, local steering method has been proposed; the method generates trajectory based on random input. By a more efficient implementation of the planner in the future, for example by using parallel computing, the optimization mode is promising for real-time trajectory generation. === Detta examensarbete utvecklar en trajektoriegenerering som baseras på ett Formula racing scenario. Den föreslagna trajektoriegenerering ger en tidsoptimal off-road-lösning och medför sekventiella kontrollsignaler till fordonen att följa trajektorien. Utsignaler från trajektoriegenerering är den tidsoptimal trajektorien, styrvinkel och motsvarande kraft for broms och gaspådrag. Trajektoriegenerering är designad med två funktioner, utforskningsläget baserat på Rapidly-exploring Random Tree (RRT) och optimeringsläget som baseras på det optimala Rapidly-exploring Random Tree (RRT). Utforskningsläget genererar en tillåten och säker trajektorie i realtid, men den är inte optimal; Optimeringsläget ger den optimala trajektorien men kan inte bli genererad i realtid. Systemstrukturen gör det möjligt att ha utforskningsläget körandes, medans optimeringsläget körs i bakgrunden; när optimeringsprocessen är färdig kan fordonet följa den optimala trajektorien. En lokal trajektoriegenererings-metod tar med dynamiska off-road krav för fordonet när planeringen görs. Prestandan av systemet är avgjort på en simulerat racerbana.Många aspekter såsom tidoptima och fordonsstabilitet har tagits med i beräkningen. En ny styrmetod har föreslagits; där metoden snabbt genererar en trajektorie baserad på slumpmässiga insignaler. Med mer effektiv framtida implementering av planeringen, exempelvis parallellberäkning, blir optimeringsläget en lovande trajektoriegenerering i realtid. |
author |
Yin, Ji |
author_facet |
Yin, Ji |
author_sort |
Yin, Ji |
title |
Trajectory Planning for Off-road Autonomous Driving |
title_short |
Trajectory Planning for Off-road Autonomous Driving |
title_full |
Trajectory Planning for Off-road Autonomous Driving |
title_fullStr |
Trajectory Planning for Off-road Autonomous Driving |
title_full_unstemmed |
Trajectory Planning for Off-road Autonomous Driving |
title_sort |
trajectory planning for off-road autonomous driving |
publisher |
KTH, Skolan för elektroteknik och datavetenskap (EECS) |
publishDate |
2018 |
url |
http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-233397 |
work_keys_str_mv |
AT yinji trajectoryplanningforoffroadautonomousdriving |
_version_ |
1718727687925661696 |