Sensing and dynamics control for assisted and automated drive in motorcycles

Autonomous driving represents the biggest challenge towards the future of automotive industry. On the long run, the benefits possibly deriving from the introduction of such paradigm are numerous and relevant: from the improvement of vehicle’s safety, resulting in a significant reduction of road accidents related casualties, to the enhancement of users comfort, cancelling downtime and stress associated with driving. Even though we are still distant from reaching the goal of full automation, the advantages related to the extensive research along these lines are already noticeable and substantial. In this sense, it is worth mentioning Advanced Driver Assistance Systems (ADAS), that are electronic systems designed to help the driver when facing many challenging driving situations. ADAS constitute a clear example of technological advance introduced as a direct consequence of research aiming towards unmanned vehicles, representing a first step in the introduction of on-board automation. What stated above is true in general regarding four-wheeled vehicles. Considering the motorcycle field instead, the development of such technologies is still at an embryonic stage, despite the possible benefits that could derive from their large scale adoption. In fact, even if an autonomous two-wheeled vehicle could be hardly conceived to carry any passenger, its intrinsic agility and inclination to avoid remaining stuck in traffic make it suitable to be employed in deliveries and similar applications. Moreover, as for the four-wheeled vehicle case, the research in such direction could speed up the development of rider assistance systems, enhancing the safety of a vulnerable road users category, subject to a high risk of serious injuries in the event of a crash. For these reasons, this Dissertation deals with the design and implementation of sensing and control algorithms oriented towards autonomous and assisted drive of single-track vehicles. Given the broadness of the general topic, that encompasses a wide number of different sub-problems, the Work is focused on a number of systems - listed in the following - considered particularly relevant for the field of application. Firstly, the problem of designing a two-wheeled vehicles oriented lane detection algorithm based on a single calibrated camera is assessed, robust with respect to roll angle dynamics. The system aims at recognizing the current driving lane, thus retrieving a key information to plan the motorcycle motion and reconstructing the driving environment. The output of the lane detection stage is also exploited to develop a braking manoeuvre detection algorithm for vehicles preceding the motorcycle, conceived to rapidly react to hazards deriving from possible frontal crashes. Then, an autonomous parking strategy for a three-wheeled scooter based on a low resolution Lidar is presented, designed to help the user to drive the vehicle inside very narrow parking spots delimited by two physical obstacles, a particular use case that would make it difficult and uncomfortable for the rider to get off at the end of the parking manoeuvre. At last, the development of a path tracking algorithm for a two-wheeled scooter is discussed, with the objective of correctly following a reference trajectory, an issue of primary importance in the autonomous driving context. While the presented algorithms are mainly designed as different subsystems to be integrated in the two-wheeled oriented autonomous drive framework, nevertheless they could be easily adapted to function as standalone rider assistance systems aimed to improve comfort and safety of the final user.

La guida autonoma rappresenta una sfida fondamentale per il futuro dell’industria automobilistica. I possibili benefici a lungo termine derivanti dall’introduzione di questo paradigma sono molteplici: dall’incremento generale della sicurezza dei veicoli, con conseguente diminuzione del numero di vittime associate ad incidenti stradali, al miglioramento del comfort per l’utente finale, con il venir meno di stress e tempi morti associati alla guida. Anche se ancora distanti dal rendere completamente autonomi i veicoli circolanti sulle strade, la ricerca volta al raggiungimento di tale obiettivo ha già portato considerevoli vantaggi. In tal senso, è doveroso citare gli ADAS (Advanced Driver Assistance Systems), acronimo che indica l’insieme di sistemi elettronici sviluppati per assistere il guidatore in caso di situazioni di guida potenzialmente pericolose. Tali sistemi rappresentano il primo passo per l’introduzione di automazione a bordo veicolo e costituiscono un esempio concreto di avanzamento tecnologico direttamente correlabile ai progressi ottenuti nel campo della guida autonoma. Quanto detto fino ad ora è vero in generale in riferimento ai veicoli a quattro ruote. Considerando invece il campo motociclistico, lo sviluppo di tali tecnologie è ancora in fase embrionale, nonostante i notevoli vantaggi che potrebbero derivare da una loro adozione su larga scala. Infatti, anche se i veicoli autonomi su due ruote difficilmente potrebbero essere utilizzati per il trasporto di passeggeri, la loro agilità intrinseca unita alla capacità di evitare l’imbottigliamento nel traffico li rende idonei per portare a termine consegne e altre applicazioni simili. Inoltre, come nel caso delle automobili, la ricerca volta ad automatizzare la guida potrebbe accelerare lo sviluppo di sistemi di assistenza per motociclisti, incrementando il grado di sicurezza di una categoria vulnerabile di utenti della strada, soggetti ad alto rischio di seri infortuni in caso di incidente. Per questi motivi, in questa Tesi viene trattato il progetto e l’implementazione di algoritmi di percezione e controllo orientati alla guida assistita ed autonoma per veicoli single-track. Data la vastità dell’argomento, il lavoro si focalizza su alcuni sistemi – elencati di seguito – considerati particolarmente rilevanti per il campo di applicazione. Inizialmente si affronta il progetto di un algoritmo di Lane Detection per motociclette, basato su una singola telecamera frontale e robusto rispetto alle dinamiche di rollio. Il sistema ha come obiettivo il riconoscimento della corsia di guida, informazione fondamentale per la pianificazione del moto del veicolo, e la ricostruzione dell’ambiente di guida. Il risultato dell’algoritmo di Lane Detection è quindi utilizzato per sviluppare una strategia di riconoscimento delle manovre di frenata per veicoli che precedono la motocicletta sulla propria corsia di guida, concepito per reagire prontamente ai pericoli derivanti da possibili collisioni frontali. Successivamente, viene presentato un algoritmo di parcheggio automatico per uno scooter a tre ruote basato su un sensore Lidar a bassa risoluzione. Il sistema è pensato per aiutare il motociclista a guidare il veicolo all’interno di un’area di parcheggio molto stretta e delimitata lateralmente da ostacoli fisici, un caso d’uso che rende molto difficile e poco confortevole per l’utente scendere dal veicolo una volta completata la manovra. Infine, si discute il problema di inseguimento di una traiettoria di riferimento per uno scooter a due ruote, una tematica di primaria importanza nel contesto della guida autonoma. Nonostante gli algoritmi siano pensati come diversi sottosistemi che possano essere integrati nell’ambito della guida autonoma di veicoli a due ruote, tali strategie possono essere facilmente adattate per funzionare un modo indipendente come sistemi di assistenza per il motociclista, con l’obiettivo di migliorare la sicurezza e il comfort per l’utente finale.