Mapping-based improvements in autonomous perpendicular parking based on a low resolution lidar

In recent years, the interest around the topic of the autonomous parking system has grown from both the research and the industrial point of view. The automotive industry is undergoing a massive amount of changes, pointing in the direction of a fully automation of the vehicles on the market. Although fully autonomous vehicles are still not commercially available, parking autonomous systems are nowadays offered on an increasing number of solutions. In the next few years, automated parking systems are likely to became common not only in the luxury or middle-class but also in the compact-class vehicles. Automatic parking systems enable the vehicle to park autonomously, alleviating the driver from a repetitive and risky activity which requires a high grade of attention to be completed. Moreover, they allow the user to park in very narrow spots (e.g. between two cars, or walls) usually not accessible due to the reduced lateral space. In this thesis, an automatic parking strategy for the frontal perpendicular parking of a three-wheeled scooter is addressed. The parking algorithm relies on the measurement of the environment obtained from a low-cost LiDAR sensor and exploits the odometry of the vehicle reconstructed through two encoders implemented on the scooter. The strategy is based on the exploitation of these information in order to compute a map of the surrounding environment while the vehicle moves along the trajectory. Thus, this map is used at each iteration to extract some relevant features (i.e. the front edge and the corners) of the parking spot and to localize the scooter with respect to this latter. According to the vehicle pose a steer control law is then applied. In order to asses the performance of the strategy, an odometry-free algorithm is used as benchmark. The performances of the two algorithms are compared both in simulation environment and considering real data, in order to verify the improvement carried out by the proposed solution.

Negli ultimi anni, l’interesse riguardo i sistemi di parcheggio automatici è cresciuto sia dal punto di vista della ricerca, sia dal punto di vista dell’industria. L’industria automobilistica sta sperimentando una grande quantità di cambiamenti, puntando verso una direzione di totale automazione dei veicoli sul mercato. Benché veicoli totalmente autonomi non siano ancora commercialmente disponibili, sistemi di parcheggio automatici sono oggigiorno presenti su un crescente numero di soluzioni. Nei prossimi anni è probabile che i sistemi automatici di parcheggio diventino comuni non solo sui veicoli di lusso o di fascia media ma anche tra quelli di classe economica. I sistemi di parcheggio automatici consentono al veicolo di parcheggiare in autonomia, svincolando il guidatore dalla necessità di effettuare una manovra ripetitiva e rischiosa che richiede un alto grado di attenzione per essere portata a termine. Inoltre, essi consentono all’utente di parcheggiare in ambienti molto stretti (per esempio tra due macchine o dei muri) solitamente non accessibile a causa del ridotto spazio laterale. In questa tesi viene sviluppata una strategia di parcheggio automatico per il parcheggio frontale di uno scooter a tre ruote. L’algoritmo si affida alle misure dell’ambiente circostante ottenute tramite un sensore LiDAR a basso costo e sfrutta l’odometria del veicolo ricostruita attraverso due diversi encoder implementati sullo scooter. La suddetta strategia si basa sullo sfruttamento di queste informazioni per poter ricostruire una mappa dell’ ambiente circostante mentre il veicolo si muove lungo la sua traiettoria. In seguito, questa mappa viene usata ad ogni iterazione per identificare alcune caratteristiche rilevanti del parcheggio (come il fronte o gli angoli) e, di conseguenza, poter localizzare la posizione dello scooter rispetto a quest’ultimo. Infine, una legge di controllo sullo sterzo viene calcolata a seconda della posizione del veicolo. Per poter analizzare criticamente le prestazioni di questa nuova strategia, viene utilizzato come confronto un algoritmo che non richiede alcuna informazione sull’odometria. Quest’ultimo consiste nel punto di partenza dal quale la nuova strategia di controllo è stata sviluppata. Infine, per verificare i miglioramenti apportati dalla nuova soluzione proposta, le prestazioni dei due algoritmi vengono quindi comparate sia in un ambiente in simulazione sia utilizzando dati reali.