Development and validation of a modular data acquisition architecture for autonomous driving research

An efficient data acquisition architecture is the foundation of every autonomous vehicle (AV). It is the system responsible for gathering all the measurements from all the sensors into a single unified software environment, where automated driving functions can use this data to control the vehicle. For this reason, behind the development of a new AV always stands the major challenge of making a wide variety of advanced sensors and powerful computers work together without errors. Traditional architectures used to chain software to a specific hardware, making it hard to test new ideas or use the same solutions on different vehicles. As cars become more like computers on wheels, there is a growing need for a flexible data acquisition system that is scalable and not tied to specific hardware. This thesis tackles this problem by creating a straightforward workflow for developing and validating a modular architecture for data acquisition. This kind of data acquisition architecture would drastically simplify setting up the vehicle to test any new prototype algorithm, because it is a system made by interchangeable and independent building blocks. In other words, each sensor can be added or removed easily, without influencing the correct functioning of the others. This solution uses Docker, to package the software stack of each sensor into an independent container, and ROS2 (Robot Operating System 2) as its middleware, to allow reliable communication between the containers. The workflow has been validated building a real data acquisition system that was then tested on an AV of the Mechanical Department of Politecnico di Milano. It is an electric car equipped with modern sensors, including a stereo camera, a 128-channel LiDAR and a dual antenna GNSS. The results prove that this container-based approach separates the sensor software stack from the underlying operating system. This simplifies adapting the validated data acquisition architecture to different AVs.

Un'architettura efficiente di acquisizione dati è la base di ogni veicolo autonomo (AV). È il sistema responsabile di raccogliere tutte le misurazioni provenienti da tutti i sensori in un singolo ambiente software unificato, dove le funzioni di guida autonoma possono utilizzare questi dati per controllare il veicolo. Per questo motivo, dietro lo sviluppo di un nuovo AV si cela sempre la grande sfida di far funzionare insieme e senza errori un'ampia varietà di sensori avanzati e computer potenti. Le architetture tradizionali vincolavano il software ad un hardware specifico, rendendo difficile testare nuove idee o utilizzare le stesse soluzioni su veicoli diversi. Mentre le auto diventano sempre più simili a dei computer su ruote, cresce la necessità di un sistema di acquisizione dati flessibile che sia scalabile e non vincolato ad un hardware specifico. Questa tesi affronta tale problema sviluppando un flusso di lavoro lineare per la realizzazione e la validazione di un sistema di acquisizione dati modulare. Trattandosi di una struttura costituita da blocchi intercambiabili e indipendenti, questo tipo di sistema di acquisizione dati semplificherebbe drasticamente l'attività di configurazione del veicolo, che anticipa qualsiasi sperimentazione di nuovi prototipi di algoritmo. In altre parole, ogni sensore può essere aggiunto o rimosso facilmente, senza influenzare il corretto funzionamento degli altri. Questa soluzione utilizza Docker per impacchettare lo stack software di ciascun sensore in un container indipendente, e ROS2 (Robot Operating System 2) come middleware, per consentire una comunicazione affidabile tra i container. Il flusso di lavoro è stato validato realizzando un sistema di acquisizione dati reale, successivamente testato su un AV del Dipartimento di Meccanica del Politecnico di Milano. Si tratta di un’auto elettrica dotata di sensori moderni, tra cui una stereo camera, un LiDAR a 128 canali e un GNSS a doppia antenna. I risultati dimostrano che questo approccio basato sui container separa lo stack software di ciascun sensore dal sistema operativo sottostante. Ciò semplifica l'adattamento del sistema di acquisizione dati validato a AV diversi.