Lane detection for autonomous vehicles and the setting of control references

Modern driving automation systems depend on the field of machine vision such as for the execution of lane detection algorithms, which act as an input for the driving and control systems. Real-world systems prove more challenging due to the presence of environmental variables such as lighting and visibility as well as processing limitations. In this thesis work, a vision-based algorithm for the lane detection and point tracking estimation of an autonomous vehicle was developed through the use of Canny edge detection, Hough transformation, and the application of Kalman filters and is designed and tested for real outdoor scenarios. The processing of the lanes and steering angles was done with respect to the vehicle’s reference point at its centre. This study also aims at the simplification and validation of the algorithm in terms of computational effort to enable its use on microcontrollers with relatively low specifications and hence low-cost. This will also allow the algorithm to be implemented in a broader array of applications due to its extended compatibility and low power requirements. The validation of the system was done through its implementation on a relatively slow-moving instrument vehicle along the Lainate track to check for the achievement of the real conditions processing requirement. This was performed on various curvature angles to verify the algorithm’s efficacy under diverse scenarios and conditions. This was run on the relatively low-end processor specifications of a microcontroller. The results shown indicate that the system efficiently detects the lanes along the street even under real weather and light conditions. Running on the microcontroller, the processing frequency was shown to be on average 45 Hz, proving the success of the simplification and verifying the applicability of the system for future work and implementation.

I moderni sistemi di guida autonoma si fondano sulle conoscenze acquisite nel settore della visione industriale, in particolare nell’utilizzo di algoritmi per la rilevazione delle corsie stradali, che agiscono come input per la guida e per i sistemi di controllo. L’applicazione pratica di questi sistemi nel mondo reale risulta tuttavia complicata dalla presenza di variabili ambientali, quali la visibilità e l’illuminazione, e dai limiti computazionali. In questo lavoro di tesi, è stato sviluppato un algoritmo di visione industriale per l’identificazione delle corsie stradali e per la stima di un punto da inseguire da parte di un veicolo autonomo. Tale algoritmo è stato sviluppato utilizzando l’operatore per il riconoscimento dei contorni di Canny, la trasformata di Hough e applicando i filtri di Kalman, al fine di essere testato ed utilizzato in applicazioni reali. L’elaborazione delle corsie e degli angoli di sterzata viene determinata rispetto al punto di riferimento centrale del veicolo. Questo studio si prefissa inoltre lo scopo di semplificare e convalidare l’algoritmo in termini di sforzo computazionale, in modo da permetterne l’utilizzo su microcontrollori con specifiche relativamente basse, in modo tale da limitarne i costi. Tale semplificazione permetterebbe l’implementazione dell’algoritmo in numerose applicazioni vista l’estesa compatibilità e il basso costo energetico richiesto. La convalidazione del sistema è stata ottenuta tramite l’implementazione su veicoli in movimento a velocità relativamente ridotta lungo il circuito di Lainate per verificarne l’efficacia in condizioni reali. Tale convalida è stata eseguita su diversi angoli di curvatura per dimostrarne l’efficacia in vari scenari e condizioni. Il tutto è eseguito utilizzando il processore a bassa potenza di un microcontrollore. I risultati ottenuti indicano che il sistema risulta in grado di identificare efficientemente le corsie lungo la strada anche in presenza di condizioni ambientali e luminose reali. Nella sperimentazione su microcontrollore, la frequenza di elaborazione osservata risultava in media di 45 Hz, il che dimostra l’efficacia della semplificazione rendendo possibile l’applicazione del sistema a futuri lavori ed implementazioni.