| Título: | A software solution for preprocessing objects in object-level multisensor fusion for self-driving vehicles perception |
| Autor(es): | Aragão, Ícaro Pires de Souza |
| Orientador(es): | Santos, Giovanni Almeida |
| Assunto: | Veículos autônomos
Veículos auto-dirigidos
Framework
Direção autônoma |
| Data de apresentação: | 25-Mai-2021 |
| Data de publicação: | 12-Mai-2022 |
| Referência: | ARAGÃO, Ícaro Pires de Souza. A software solution for preprocessing objects in object-level multisensor fusion for self-driving vehicles perception. 2021. 103 f., il. Trabalho de conclusão de curso (Bacharelado em Engenharia de Software) — Universidade de Brasília, Brasília, 2021. |
| Resumo: | Carros autônomos é um assunto atual e popular. Muitas preocupações relativas a segurança no tráfego poderão ser reduzidas quando versões baratas e funcionais desses veículos se popularizarem. Esses veículos são robôs altamente complexos e avançados que, para evitar acidentes e tomarem as melhores decisões possíveis, usam uma variedade de sensores para perceber suas redondezas da melhor maneira possível. A fusão de dados de multisensores pode contribuir para essa tarefa unindo os melhores pedaços de informação de cada um dos sensores para formar uma versão mais completa e mais acurada dessa informação. Softwares que realizam essas tarefas são frequentemente reimplementados dentre diferentes empresas e centros de pesquisa para suas próprias configurações de hardware e objetivos. A fusão no nível dos objetos é realizada num nível mais alto de abstração e, por essa razão, contribui para modularidade e reuso da solução. Uma solução de software para resolver parte desse problema é desenvolvida neste trabalho utilizando o framework ROS 2. Ela implementa o preprocessamento das listas de objeto na camada de fusão de uma arquitetura de fusão à nível de objetos. Esse processamento é composto do alinhamento espacial e temporal, mais a associação de objetos. Por fim, este preprocessamento foi validado utilizando o simulador de veículos autônomos CARLA, utilizando como métrica principal o número de associações que falharam nos casos de teste. |
| Abstract: | Self-driving cars is a trending topic. Much of the safety and security concerns in traffic may be reduced when cheap and functional versions from these vehicles become widespread. These vehicles are highly complex and advanced robots that, in order to avoid accidents and make the best decisions, use many sensors to perceive their surroundings in the best way possible. Multisensor data fusion can contribute to this task by joining each
sensor’s best pieces of information, building a more complete and more accurate version of this information. Software that perform such tasks are frequently reimplemented between companies and research centers for their specific hardware configurations and objectives. Object-level fusion performs fusion at a higher level of abstraction and, for this reason, contributes to the modularity and reuse of the solution. A software solution to address part of this reimplementation problem is developed in this work using the ROS 2 framework. It implements the object lists preprocessing from the fusion layer of an object-level fusion architecture. This preprocessing is composed of the spatial and temporal alignments, plus the objects associations. Finally, the solution design and implementation were validated using the CARLA self-driving simulator, using the number of failed associations as the primary metric assessed. |
| Informações adicionais: | Trabalho de conclusão de curso (graduação) — Universidade de Brasília, Faculdade UnB Gama, Engenharia de Software, 2021. |
| Licença: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. |
| Aparece na Coleção: | Engenharia de Software
|
Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.
