Navigation-assisted communication and sensing solutions for connected automated vehicles

The advent of Connected Automated Vehicles (CAVs) has ushered in a new era of transportation, promising enhanced safety and efficiency. To realize the full potential of CAVs, robust and reliable communication and sensing solutions are imperative. This thesis addresses these critical challenges by developing innovative methods for Vehicular-to-Vehicular (V2V) communication and sensing in the context of CAVs. The thesis commences with a focus on position-assisted methods for millimeter-wave (mmWave) V2V beam alignment. mmWave frequencies are a key enabler for vehicular communication, as they are able to provide high data rate and low latency, but its effectiveness is contingent on accurate beam alignment. The high path loss, indeed, requires the implementation of reliable directional communications, which is a challenging task considering the high mobility of CAVs. A novel approach is proposed that leverages precise positioning information, obtained from on-board sensor fusion, and V2V communication, to enable seamless and accurate beam alignment. This method significantly improves the reliability of V2V communication, reducing communication overhead and enhancing the overall connectivity of CAVs. The thesis then delves into the topic of automotive perception. To this aim, Synthetic Aperture Radar (SAR) technology offers the ability to capture high-resolution images of the surrounding environment, providing useful data for exteroceptive sensing and decision-making in CAVs. This research focuses on the development of a navigation-assisted SAR system, specifically tailored for vehicular applications, exploiting the abundant data provided by on-board sensors. The experimental assessment shows that the proposed system enhances the perception capabilities of CAVs. Finally, a centralized cooperative localization algorithm is designed to synergize communication, sensing and localization. This algorithm harnesses data from multiple vehicles within a network to collectively refine the localization accuracy. By combining inter-vehicular data stream and imaging-based perception, the algorithm fosters a comprehensive understanding of the CAV's neighbors, ensuring that each vehicle maintains a precise and up-to-date representation of the network topology. The localization algorithm shows the relevant role that cooperation can play in fostering the accuracy of navigation and the benefits brought by relative position information provided by imaging sensors. In summary, this Ph.D. thesis contributes a holistic framework for communication and sensing solutions in the context of connected automated vehicles. It begins by optimizing mmWave V2V communication through position-assisted beam alignment, extends this improvement to the realm of automotive perception, and culminates in a centralized cooperative localization algorithm that integrates these technologies. The research presented herein lays the groundwork for CAVs to operate safely and effectively in diverse and dynamic environments, propelling us closer to the realization of a connected, automated, and safer transportation future. These advancements represent a step forward in the development of the next generation of intelligent vehicles.

Lo sviluppo dei Veicoli Connessi e Autonomi (CAV) ha aperto una nuova era nel campo dei trasporti, promettendo un miglioramento in termini di sicurezza e di efficienza. Per sfruttare il potenziale dei CAV, è tuttavia necessario sviluppare soluzioni di comunicazione e percezione ambientale robuste e affidabili. Questa tesi affronta questi temi critici sviluppando metodi innovativi per la comunicazione Vehicle-2-Vehicle (V2V) e la percezione esterocettiva nel contesto dei CAV. La tesi inizia concentrandosi sui metodi che sfruttano le informazioni di posizione per l'allineamento dei fasci di comunicazione a onde millimetriche (mmWave) nella comunicazione V2V. Le frequenze mmWave sono un elemento chiave per la comunicazione veicolare, in quanto sono in grado di fornire elevata velocità di trasmissione dati e bassa latenza. L'elevato path loss richiede, tuttavia, l'implementazione di comunicazioni direzionali, la cui efficacia dipende dall'allineamento del fasci irradiati. Il problema risulta di non semplice soluzione a causa dell'alta mobilità dei CAV. Viene proposto un approccio innovativo che sfrutta informazioni di posizionamento precise, ottenute dalla fusione dei sensori a bordo veicolo, e la comunicazione V2V, per garantire un allineamento dei fasci continuo e preciso. Questo metodo migliora significativamente la affidabilità della comunicazione V2V, riducendo l'overhead della comunicazione e migliorando la connettività complessiva dei CAV. La tesi continua approfondendo l'argomento della percezione esterocettiva. A questo scopo, il Synthetic Aperture Radar (SAR) offre la capacità di catturare immagini ad alta risoluzione dell'ambiente circostante, fornendo dati utili a supportare i CAV nel prendere decisioni in maniera autonoma. Questa ricerca si concentra sullo sviluppo di un sistema SAR assistito dalla navigazione, specificamente progettato per applicazioni veicolari, sfruttando i numerosi dati provenienti dai sensori a bordo. La valutazione sperimentale mostra come il sistema proposto migliori le capacità percettive dei CAV. Infine, viene progettato un algoritmo centralizzato di localizzazione cooperativa per integrare comunicazione, percezione e localizzazione. Questo algoritmo utilizza dati provenienti da diversi veicoli all'interno di una rete per affinare collettivamente l'accuratezza della localizzazione. Combinando i dati scambiati tra i veicoli e le misure provenienti da sensori visivi, l'algoritmo migliora la percezione dei CAV sui propri vicini, garantendo che ciascun veicolo mantenga una rappresentazione precisa e aggiornata della topologia della rete. L'algoritmo di localizzazione mostra il ruolo rilevante che la cooperazione tra veicoli può svolgere nel favorire l'accuratezza della navigazione e i benefici derivati dall'informazione sulla posizione relativa fornita dai sensori visivi. In sintesi, questa tesi di dottorato contribuisce allo sviluppo di soluzioni di comunicazione e percezione nel contesto dei veicoli connessi e autonomi. Dapprima ottimizza la comunicazione mmWave V2V attraverso l'allineamento assistito dalla localizzazione, estende questo miglioramento al campo della percezione veicolare e culmina in un algoritmo centralizzato di localizzazione cooperativa che integra queste tecnologie. La ricerca presentata qui getta le basi affinché i CAV possano operare in modo sicuro ed efficace in ambienti diversi e dinamici, favorendo la diffusione di mezzi di trasporto connessi, automatizzati e più sicuri. Questi progressi rappresentano un passo avanti nello sviluppo della prossima generazione di veicoli intelligenti.