Extended state estimation for autonomous vehicle control

Autonomous vehicles will revolutionize the road transportation system in future years. The high market potentialities of a safer, cleaner and more accessible transportation system explain why industries have been pushing their efforts on advanced driver assistance systems (ADAS) for 30 years long, towards autonomous driving. The two main tasks required by the control unit of an autonomous vehicle are state estimation and motion control. State estimation involves self-localization and perception of the surrounding environment. Once the desired route is planned, motion control allows the vehicle to run in various conditions, maximizing handling and comfort. This thesis work aims at developing the control unit of an autonomous vehicle. All the algorithms presented have been validated and tested through experimental data. Finally, the control unit has been tested on a prototype of an autonomous vehicle in the Monza ENI Circuit. The emphasis is on the state estimation routine: a huge amount of data from multiple sensors allows providing estimates regarding the vehicle motion and the surrounding obstacles. The problem of estimating the state vector of the autonomous vehicle has been thoroughly investigated: various models have been developed, and different algorithms have been adopted for this purpose, ranging from unscented Kalman filters to moving horizon estimation. For what concerns perception, a multi-sensor fusion module guarantees multi-obstacles state estimation and tracking. Finally, a two-stages motion controller handles all the information derived from the estimation process to actuate the vehicle properly.

I veicoli autonomi stanno per rivoluzionare i sistemi di trasporto su ruota. Le potenzialità di un mercato dove i veicoli sono più sicuri, accessibili e meno inquinanti ha spinto le grandi case automobilistiche ad investire nei sistemi avanzati di assistenza alla guida (ADAS) da 30 anni a questa parte, fino al raggiungimento della guida autonoma. L’unità di controllo di un veicolo autonomo deve fornire una stima dello stato del veicolo, per poi pianificare una traiettoria ed attuarlo nel modo opportuno. Una volta che la destinazione da raggiungere viene comunicata all’unità di controllo, il veicolo deve procedere indipendentemente dalle condizioni ambientali e di traffico, garantendo tenuta di strada e comfort. In questa tesi è presentato lo sviluppo e l’implementazione di un’unità di controllo per veicoli autonomi. Tutti gli algoritmi presentati sono stati validati e testati a partire da dati e prove sperimentali. Inoltre, sono riportati i risultati della fase di test dell’intera unità su un prototipo di veicolo autonomo sviluppato durante il periodo di tesi. Tutta la fase sperimentale è stata eseguita sul circuito dell’”Autodromo Nazionale Monza”. Gran parte della tesi è dedicata alla presentazione dello sviluppo degli algoritmi di stima: questi algoritmi gestiscono un’elevata quantità di dati proveniente dai sensori installati sul veicolo, per fornire una stima delle condizioni attuali di moto del veicolo e di quelli limitrofi. Per quanto riguarda la stima dello stato del veicolo, sono stati sviluppati e testati diversi modelli all’interno di algoritmi appartenenti a diverse famiglie, come gli stimatori “Kalman-unscented” e i “moving-horizon”. Per quanto riguarda la percezione dell’ambiente circostante, questa tesi presenta un modulo di sensor-fusion che garantisce l’individuazione la stima dello stato di ogni ostacolo a partire dalle informazioni provenienti da tutti i sensori a disposizione. Infine, un sistema di controllo del moto costruito su due livelli gestisce le informazioni fornite dall’intero processo di stima per calcolare una traiettoria ed attuare il veicolo nel modo opportuno.