Development of a LiDAR-based perception system for an autonomous vehicle in public roads

This thesis expounds upon the complete development of a LiDAR-based perception system for an autonomous driving Maserati MC20, designed to be the first autonomous vehicle to ever participate in the 1000Miglia open-road event. Autonomous driving represents a significant technological innovation, and this project aims to demonstrate its applicability and potential in the real world. However, an open problem lies in the need to obtain an accurate and comprehensive representation of the surrounding environment, in order to interact with the multitude of agents that may be encountered in the context of a public road. LiDAR is one of the most commonly used sensors for this task, as its sensing of reality carries a lot of information, which nevertheless requires extensive processing to be extracted. To get useful knowledge from the unordered LiDAR point cloud, we present a ground removal algorithm that extracts obstacles information from the background achieving state-of-the-art performance, with minimal computation demand and real-time execution at several hundred Hertz. Additionally, an original post-processing paradigm is presented to filter out noise and refine the remaining obstacle cloud. This is followed by a clustering module that groups the point cloud data into individual objects. Finally, a target tracking module is introduced to enhance the perception of surrounding obstacles with crucial dynamic information. This thesis proposes an innovative white-box pipeline that addresses these challenges and presents a complete development of a LiDAR-based perception system designed to be effective and robust in general settings, without context-specific knowledge.

Il seguente lavoro di tesi discute dello sviluppo integrale di un sistema di percezione basato su sensore LiDAR. Il sistema in oggetto è stato ideato nell'ambito di un progetto di automazione di una Maserati MC20, sviluppata per essere la prima auto a guida autonoma della storia a partecipare allo storico evento della 1000 Miglia. La guida autonoma rappresenta una significativa innovazione tecnologica e con questo progetto si ambisce a dimostrarne l'applicabilità e il potenziale nel mondo reale. Tuttavia, un problema ancora aperto è costituito dalla necessità di ottenere una rappresentazione accurata e completa dell'ambiente circostante, in modo da poter interagire con la moltitudine di agenti che si possono incontrare nel contesto di una strada pubblica. Il LiDAR è uno dei sensori più comunemente adoperati per questo tipo di applicazioni, in quanto in grado di restituire un flusso di informazioni estremamente ricco, sebbene richieda un notevole processamento al fine di estrarre tali informazioni. Presentiamo, in questo lavoro, un algoritmo di rimozione del suolo, in grado di estrarre i punti relativi agli ostacoli effettivi dallo sfondo, mostrando livelli di prestazione allo stato dell'arte. Inoltre, un nuovo paradigma di "post-processing" viene introdotto per rimuovere gli effetti del rumore nelle misurazioni e rifinire la nuvola di punti. Si aggiunge un modulo di "clustering" per il raggruppamento dei singoli punti in strutture più complesse, rappresentanti i singoli oggetti presenti, e infine si introduce un modulo di tracciamento degli ostacoli per incrementarne la percezione, arricchendoli di informazione dinamica circa il loro moto. In questo lavoro di tesi si propone un innovativo approccio "white-box" alle sfide citate e si presenta, nella sua totalità, un sistema di percezione completo, sviluppato al fine di essere efficace e robusto in un contesto assolutamente generale, senza l'imposizione di ipotesi specifiche.