7400

طراحي، شبيه سازي و ساخت خودروي خودران با قابليت درك محيط، برنامه ريزي و كنترل

كارشناسي

مهندسي برق - كنترل

1400

دكتر سعيد شمقدري

1400/07/10

مهندسي برق

Design, Simulation, And Construction of An Autonomous Vehicle with Environment Perception, Planning, and Control Capabilities

در پروژه طراحي، شبيه سازي و ساخت خودروي خودران با قابليت درك محيط، برنامه ريزي و كنترل سعي شده است با رويكرد كنترل، هوش مصنوعي و پردازش تصوير، سيستم خودرو خودراني از ابتدا تا انتها طراحي، شبيهسازي و ساخته شود. در بخش ادراك محيط خودرو از تركيب دو رويكرد پردازش تصوير كلاسيك و يادگيري عميق استفاده شده است. اين بخش شامل تشخيص اشيا ( انسان، خودرو سواري، اتوبوس و كاميون)، تشخيص تابلوهاي راهنمايي رانندگي، تشخيص خطوط افقي (به طور مثال خطوط عابر پياده) و عمودي (خطوط جاده) خيابان، اندازه گيري فاصله خودرو نسبت به خودرو هاي ديگر و تشخيص پياده رو ميباشد. ابتدا اشيا موجود در تصوير ديد خودرو توسط آشكارسازYolov5 تشخيص داده ميشوند و اگر تابلويي نيز در خيابان ديده شد، توسط آشكارساز Yolov5 ديگري كه براي تابلوهاي راهنمايي رانندگي آموزش داده شده مشخص ميشوند. حال با استفاده از شبكه عصبي PINet خطوط عمودي جاده ترسيم ميشوند و در ادامه با استفاده از الگوريتمهاي پردازش تصوير كلاسيك با تعيين منطقه محدود كننده مورد نظر خطوط افقي كه شامل خطوط عابر پياده است به نمايش در مي آيند. براي تعيين فاصله خودرو تشخيص داده شده نسبت به خودرو هاي از تحليل اطلاعات سه بعدي صورت ميگيرد كه اين كار توسط مفهوم تخمين عمق انجام ميشود. لازمه تخمين عمق وجود تصوير چپ و راست از يك دوربين است ولي با استفاده از شبكه عصبي SGDepth تخمين قابل قبولي نسبت به عمق با استفاده از يك تصوير حاصل ميشود. همچنين در شبكه ذكر شده از بخش بندي در فرآيند آموزش خود به منظورافزايش دقت تخمين عمق خود استفاده ميكند به همين دليل از مدل بخش بندي كه همزمان در فرآيند تشخيص عمق آموزش داده شده به منظور تشخيص پياده رو استفاده ميگردد. بخش شبيه سازي شامل سه بخش ميباشد. در بخش اول سعي شده است ابتدا محيط شبيه سازي توسط زبان پايتون ساخته شود و سپس با استفاده از الگوريتم هاي برنامه ريزي مسير، مسير يابي و كنترل كننده تطبيقي سيستم پارك خودكار طراحي شود بخش دوم شبيه سازي در شبيه ساز AVISEngine كه در بستر يونيتي ميباشد انجام گرفته كه در آن خودرو در دو محيط شهري و بزرگراه توسط الگوريتمهاي پردازش تصوير كلاسيك و يادگيري عميق و سنوسور هاي موجود بر روي خودرو ادراك محيط را انجام دهد و سپس با استفاده از كنترل كننده PID خودرو در جاده كنترل گردد و تصميم هاي مورد نياز در هنگام رسيدن به چهار راه، تابلوهاي راهنمايي و رسيدن به موانع اتخاذ كند. در نهايت سيستم خودرو خودراني به صورت واقعي ساخته شده است كه در آن سنسورهاي مختلفي بر روي يك خودرو نصب شده و همچنين نقشه اي براي محيط شهري، بزرگراه و پارك خودكار ايجاد شده تا عملكرد خودرو در واقعيت بررسي شود.

خودروي خودران , برنامه ريزي مسير , درك محيط , تصميم گيري , شناسايي اجسام , هوش مصنوعي , كنترل كننده پيش بين , مدل سازي , پايتون , self driving car , autonomous vehicle , autonomous driving , perception , object detection , A* algorithm , MPC , Python , path planning , path tracking , آردويينو , جتسون نانو , Arduino , Jetson Nano