Loading...
Publication
Co-simulation of vehicle distributed perception for road safety applications
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 8.83 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
The fast evolution of autonomous vehicles has introduced many new challenges, especially in
perception, communication reliability, and energy efficiency. Traditional autonomous vehicles
rely on onboard sensors, which are traditionally limited by range, computational cost, and
occlusions. The goal of this thesis is to explore the integration of distributed perception systems
to enhance situational awareness and improve autonomous vehicles decision-making.
This work introduces an extension of the previously established co-simulation framework
of Oliveira 2023 and Ribeiro 2024. The solution expands the capabilities of autonomous
vehicles to sense beyond the onboard sensors while facilitating safe and efficient merging under
different traffic conditions using roadside cameras and a roadside unit. The framework
incorporates YOLO-based object detection with trilateration to combine data from a multicamera
setup for improved localization accuracy and detection robustness across various
traffic conditions. The experimental results show that compared to single-camera configurations,
multi-camera fusion significantly increased recall and improved localization levels in
conditions with different traffic and perception conditions. The roadside unit can also identify
gaps for a safe and efficient merging and provide a target speed to the ego-vehicle via
a simulated V2X communication. Overall, the proposed framework demonstrates the feasibility
of infrastructure-assisted cooperative perception, providing a realistic and extensible
testbed for future research in distributed perception, sensor fusion, and V2X communication
for road safety applications.
A rápida evolução dos veículos autónomos tem introduzido diversos desafios, especialmente ao nível da perceção, da fiabilidade das comunicações e da eficiência energética. Os veículos autónomos tradicionais dependem de sensores embarcados, os quais são normalmente limitados em alcance, capacidade computacional e oclusões. A abordagem proposta é explorar a integração de sistemas de perceção distribuída para melhorar a consciência situacional e apoiar a tomada de decisão dos veículos autónomos. Este trabalho apresenta uma extensão da framework de co-simulação previamente desenvolvida por Oliveira 2023 e Ribeiro 2024. A solução proposta expande as capacidades dos veículos autónomos, permitindo-lhes detetar além dos sensores embarcados, ao mesmo tempo que facilita manobras de mudança de via seguras e eficientes em diferentes condições de tráfego, através do uso de câmaras e de uma unidade rodoviária de processamento. A solução desenvolvida integra a detecção de objetos baseada em YOLO com trilateração, combinando dados provenientes de um conjunto de múltiplas câmeras, de modo a melhorar a precisão de localização e a robustez da detecção em várias condições de tráfego. Os resultados experimentais demonstram que, em comparação com configurações de câmara única, a fusão multicâmara aumentou significativamente a deteção e melhorou os níveis de localização sob diferentes cenários de perceção e tráfego. A unidade rodoviária é ainda capaz de identificar intervalos seguros para manobras de mudança de via e de fornecer uma velocidade alvo ao veículo através de uma comunicação V2X simulada. De forma geral, a solução proposta demonstra a viabilidade da percepção cooperativa assistida por infraestrutura, fornecendo uma plataforma realista e extensível para futuras investigações em percepção distribuída, fusão sensorial e comunicação V2X aplicadas à segurança rodoviária.
A rápida evolução dos veículos autónomos tem introduzido diversos desafios, especialmente ao nível da perceção, da fiabilidade das comunicações e da eficiência energética. Os veículos autónomos tradicionais dependem de sensores embarcados, os quais são normalmente limitados em alcance, capacidade computacional e oclusões. A abordagem proposta é explorar a integração de sistemas de perceção distribuída para melhorar a consciência situacional e apoiar a tomada de decisão dos veículos autónomos. Este trabalho apresenta uma extensão da framework de co-simulação previamente desenvolvida por Oliveira 2023 e Ribeiro 2024. A solução proposta expande as capacidades dos veículos autónomos, permitindo-lhes detetar além dos sensores embarcados, ao mesmo tempo que facilita manobras de mudança de via seguras e eficientes em diferentes condições de tráfego, através do uso de câmaras e de uma unidade rodoviária de processamento. A solução desenvolvida integra a detecção de objetos baseada em YOLO com trilateração, combinando dados provenientes de um conjunto de múltiplas câmeras, de modo a melhorar a precisão de localização e a robustez da detecção em várias condições de tráfego. Os resultados experimentais demonstram que, em comparação com configurações de câmara única, a fusão multicâmara aumentou significativamente a deteção e melhorou os níveis de localização sob diferentes cenários de perceção e tráfego. A unidade rodoviária é ainda capaz de identificar intervalos seguros para manobras de mudança de via e de fornecer uma velocidade alvo ao veículo através de uma comunicação V2X simulada. De forma geral, a solução proposta demonstra a viabilidade da percepção cooperativa assistida por infraestrutura, fornecendo uma plataforma realista e extensível para futuras investigações em percepção distribuída, fusão sensorial e comunicação V2X aplicadas à segurança rodoviária.
Description
Keywords
autonomous vehicle cooperative perception distributed perception highway merging
Pedagogical Context
Citation
Publisher
CC License
Without CC licence