Off-road autonomous vehicles: a graph search based approach to local planning

The transportation sector is undergoing a significant revolution due to the introduction of autonomous driving systems, the latest technological innovation that is reshaping the way we perceive and interact with vehicles. These systems consist of an extensive suite of sensors, actuators, communication systems and processing units running complex algorithms, capable of operating in remarkable coordination to drive a vehicle without human intervention. Autonomous driving has the potential to transform our lives, promising to reduce the road accidents due to human errors, to mitigate congestion in large cities and to reduce the emissions of the transportation sector, improving overall the quality of life. Nevertheless, autonomous vehicles in our cities are not yet a widespread reality, as the reliability of this technology needs significant steps forward. In this perspective, the objective of this thesis is providing a system capable of planning the future motion of an off-road vehicle, in order to react rapidly to sudden changes in the environment. This component of the autonomous stack is called local planner, which is responsible for generating smooth and collisionless trajectories to follow. The local planning algorithm proposed consists in two strictly related modules, the path generator and the speed manager. The former is responsible for the generation of the reference path, taking in account the position of the obstacles and the vehicle constraints. The latter is responsible for the development of the speed profile suitable for the generated reference path. The combination of the output of the two modules creates the reference trajectory that is tracked by the control module. The algorithm is carefully designed to guarantee high frequency updates of the reference path, in order to respond rapidly to changes in the environment and make it possible to apply the algorithm to an autonomous vehicle. The solution proposed has been tested in simulation and on board the LMV, an off-road vehicle produced by Iveco, for validation purposes.

Il settore dei trasporti è sottoposto a una importante rivoluzione a causa dell'introduzione di sistemi di guida autonoma, la più recente innovazione tecnologica che sta ridisegnando il modo in cui percepiamo ed interagiamo con i veicoli. Questi sistemi sono composti da una vasta gamma di sensori, attuatori, sistemi di comunicazione e unità di elaborazione che eseguono algoritmi complessi, in grado di operare in straordinaria coordinazione e di condurre un veicolo senza l'intervento umano. La guida autonoma ha il potenziale di trasformare le nostre vite, promettendo di ridurre gli incidenti stradali dovuti all'errore umano, di ridurre la congestione nelle grandi città e di ridurre le emissioni del settore dei trasporti, migliorando complessivamente la qualità della vita. Tuttavia, i veicoli autonomi nelle nostre città non sono ancora una realtà diffusa, poiché l'affidabilità di questa tecnologia necessita ancora di rilevanti passi in avanti. In quest'ottica, l'obiettivo di questa tesi è di sviluppare un sistema in grado di pianificare il moto futuro di un veicolo fuoristrada, con l'obiettivo di reagire rapidamente a cambiamenti improvvisi nell'ambiente. Questo componente dell'architettura autonoma è chiamato pianificatore locale, il quale è responsabile della generazione una traiettoria da seguire che sia continua e priva di collisioni. L'algoritmo di pianificazione locale è composto da due moduli strettamente correlati, il generatore di percorso e il gestore di velocità. Il primo è responsabile della generazione del percorso di riferimento, considerando la posizione degli ostacoli e i limiti del veicolo. Il secondo è responsabile dello sviluppo di un profilo di velocità adatto per il percorso di riferimento generato. La combinazione degli output dei due costituisce la traiettoria di riferimento che viene tracciata dal modulo di controllo. L'algoritmo è stato progettato attentamente al fine di garantire frequenti aggiornamenti del percorso di riferimento, in modo da poter reagire rapidamente ai cambiamenti nell'ambiente e rendere possibile l'applicazione dell'algoritmo ad un veicolo autonomo. La soluzione proposta è stata testata in simulazione e validata a bordo del LMV, un veicolo fuoristrada prodotto da Iveco.