Cooperative V2X-based vehicle localization in urban traffic scenarios

Over the past few decades, the number of automated vehicles (from driver assistance to high automation) on roads has experienced an explosive increase with the growing transportation demand. New vehicle-to-anything (V2X) technologies for improving road safety and traffic efficiency are becoming a crucial component in the framework of Cooperative Intelligent Transportation Systems (C-ITS) and precise vehicle positioning is playing a key role in this process. Satellite-based navigation systems, such as Global Navigation Satellite System (GNSS), are used for vehicle localization, but they do not meet the stringent requirements of most C-ITS applications. Especially in automated-driving scenarios, vehicles need to know with very high accuracy their own location and also the relative position of the neighboring vehicles to perform cooperative maneuvering. For this purpose, vehicles are equipped with on-board sensors (such as radar, lidar, camera, ultrasonic and so forth) which, together with road-embedded sensors, collect information on the surrounding environment. To extend the single-vehicle perception limited by the sensors’ range, vehicles communicate with each other and/or with the road infrastructure and reciprocally share their information through Vehicle-To-Vehicle (V2V) or Vehicle-To-Infrastructure (V2I) communication links. By doing so, cooperation through vehicular networking could provide significant benefits in terms of vehicle positioning accuracy. In this context, we propose the innovative Implicit Cooperative Positioning (ICP) technique, where a set of non-cooperating objects, denoted as features, is passively detected and jointly localized by the vehicles. Cooperation allows the involved vehicles to use the features as common noisy reference points for GNSS augmentation, to implicitly enhance their own location accuracy. The algorithm is here extended with Data Association (ICP-DA), to solve the problem of reasoning over correspondence between features and measurements. A key contribution of this thesis is to design a methodology to recognize and handle the possible inaccuracies, such as false alarms and missed detection, that may occur to the sensors’ measurements. We propose a centralized approach combined with a Belief Propagation Algorithm (BPA) to solve the data association problem. The performance is at first evaluated in a simulated vehicular scenario in different traffic conditions. Numerical results are also provided on real urban traffic scenarios, with collected and processed real data, to validate the improvement of the proposed ICP method with respect to the stand-alone GNSS solution.

Negli ultimi anni, nuove tecnologie sono state sviluppate a supporto dei sistemi di trasporto intelligenti (ITS) grazie ad un’accentuata attenzione verso la mobilità sostenibile, con l’obiettivo di migliorare sicurezza stradale ed efficienza del traffico. I veicoli si sono evoluti in dispositivi tecnologicamente avanzati dotati di numerosi sensori di bordo (quali radar, lidar, videocamere e ultrasuoni) in grado di raccogliere informazioni sull’ambiente circostante. Tra le tecnologie emergenti più interessanti risaltano i sistemi cooperativi, dove i veicoli non vengono considerati più come singole unità ma come parte di una rete connessa e in continua evoluzione. L’interazione dei veicoli diventa possibile grazie allo sviluppo di tecnologie innovative di comunicazione veicolare come la comunicazione diretta tra veicoli (nota come V2V) o la comunicazione tra veicolo e infrastruttura stradale (nota come V2I). Grazie alla condivisione dei dati raccolti dai singoli veicoli, la cooperazione tra veicoli interconnessi permette di estendere la percezione dell’ambiente circostante del singolo veicolo a quella di un’intera rete di veicoli. In questo contesto di mobilità intelligente, la localizzazione del veicolo assume un ruolo cruciale. I comuni sistemi di navigazione satellitare non riescono più a garantire un’accuratezza nella localizzazione tale da soddisfare i requisiti necessari alla maggior parte delle applicazioni, specialmente in vista dell’introduzione dei veicoli a guida autonoma. A tale scopo, questa tesi propone un nuovo metodo di localizzazione basato sul rilevamento cooperativo da parte dei veicoli di oggetti passivi situati lungo la rete stradale. Grazie alla condivisione di questi dati e alla comunicazione interveicolare, i veicoli sono in grado di migliorare l’accuratezza sulla loro posizione data dal sistema satellitare globale di navigazione (GNSS). Un aspetto fondamentale trattato in questa tesi è l’introduzione di un metodo che permetta ai veicoli di associare ciascuna misura rilevata all’oggetto corrispondente percepito, riconoscendo e trattando in parallelo eventuali inaccuratezze delle misure, note come falsi allarmi e mancati rilevamenti. Per risolvere questo problema complesso e non trascurabile, proponiamo un algoritmo cooperativo centralizzato basato sul continuo scambio di messaggi tra i veicoli ai fini dell’associazione. Per convalidare il miglioramento del metodo proposto sull’accuratezza della posizione del veicolo, le prestazioni vengono dapprima valutate in uno scenario veicolare da noi simulato e successivamente su scenari reali di traffico urbano ottenuti da una raccolta e conseguente elaborazione di dati reali.