Progettazione di un algoritmo per la pianificazione locale ed evitamento delle collisioni per veicoli autonomi in contesti di traffico urbano

Path planning is one of the most complex challenges in the development of autonomous vehicles, as it requires highly detailed maps of the surrounding environment. However, the use of such detailed maps entails high costs and constitutes a significant obstacle to the widespread adoption of autonomous vehicles outside of limited areas. To overcome this limitation, there has been a growing interest in recent years in navigation approaches based on topological maps, which, although less precise, are more accessible. In line with this trend, this thesis proposes an innovative two-phase planning algorithm that leverages the OpenStreetMaps database and an onboard perception system. This approach allows for the generation of safe trajectories, taking into account the vehicle's manoeuvrability characteristics, thus representing a significant step forward towards the widespread adoption of autonomous driving. Once the trajectory is generated, the management of the EGO vehicle's speed comes into play. This task is entrusted to the speed planner, which continuously adjusts the speed based on changes in the path and the presence of obstacles. This adaptation is crucial to prevent collisions and ensure the safety of occupants and other road users, requiring precise management of distances and speeds in an ever-changing environment. Our method has been extensively tested in simulations of typical urban and extra-urban environments for performance validation.

La pianificazione del percorso rappresenta una delle sfide più complesse nello sviluppo dei veicoli autonomi, poiché richiede mappe estremamente dettagliate dell'ambiente circostante. Tuttavia, l'utilizzo di tali mappe dettagliate comporta costi elevati e costituisce un ostacolo significativo per l'adozione su larga scala dei veicoli autonomi al di fuori di aree limitate. Per superare questa limitazione, negli ultimi anni si è registrato un crescente interesse per gli approcci di navigazione basati su mappe topologiche, che, sebbene meno precise, risultano più accessibili. In linea con questa tendenza, la presente tesi propone un algoritmo innovativo di pianificazione a due fasi che si avvale del database di OpenStreetMaps e di un sistema di percezione integrato a bordo del veicolo. Questo approccio consente di generare traiettorie sicure, tenendo conto delle caratteristiche di manovrabilità del veicolo, rappresentando così un significativo passo avanti verso l'adozione diffusa della guida autonoma. Una volta generata la traiettoria, si passa alla gestione della velocità del veicolo EGO. Questo compito è affidato al pianificatore della velocità, il quale adatta continuamente la velocità in base ai cambiamenti nel percorso e alla presenza di ostacoli. Questo adattamento è di vitale importanza per prevenire collisioni e garantire la sicurezza degli occupanti e degli altri utenti della strada, richiedendo una gestione precisa delle distanze e delle velocità in un ambiente in continua evoluzione. Il nostro metodo è stato ampiamente testato in simulazioni di ambienti urbani ed extraurbani tipici per la validazione delle prestazioni.