An automatic approach to sensor placement in autonomous vehicles

Autonomous Vehicles (AVs) rely on complex perception systems composed of multiple exteroceptive sensors such as cameras, LiDARs, and radars. The effectiveness of these systems is determined not only by the quality of the individual sensors but also by how they are positioned and integrated within the vehicle. An optimal sensor configuration maximizes environmental coverage while minimizing blind spots and redundancy, directly influencing the vehicle’s ability to perceive and interpret its surroundings. Traditionally, sensor layout design has relied on empirical methods, iterative adjustments, and physical prototyping, which are costly and time-consuming. As the number and diversity of sensors increase in modern autonomous platforms, a systematic and automated approach to their placement becomes necessary. This Thesis presents a software framework capable of automatically determining the optimal spatial placement of exteroceptive sensors on autonomous vehicles. The proposed methodology formulates sensor placement as a continuous optimization problem, where the objective is to maximize perception coverage using an information-based cost function derived from simulation data. To construct the cost function, a series of simulated driving scenarios were developed. The data was processed to generate voxelized information maps representing the spatial importance of the surrounding environment. These maps quantify how informative each region of space is for perception, enabling the optimization algorithm to evaluate candidate sensor configurations efficiently. The framework was applied to a real-world case study involving an Iveco e-Daily electric vehicle equipped with cameras, LiDARs, and radars. The optimized sensor configuration demonstrated improved coverage and reduced blind-spot volume compared to a manually defined setup, while remaining compliant with ISO 34502 validation guidelines. The results confirm that systematic, simulation-driven optimization can significantly improve sensor layout design, reducing development time and cost while enhancing the perception coverage of autonomous vehicles.

I Veicoli Autonomi (AV) si basano su complessi sistemi di percezione composti da molteplici sensori esterocettivi, come telecamere, LiDAR e radar. L’efficacia di questi sistemi dipende non solo dalla qualità dei singoli sensori, ma anche da come essi sono posizionati e integrati all’interno del veicolo. Una configurazione sensoriale ottimale massimizza la copertura dell’ambiente, minimizzando i punti ciechi e influenzando direttamente la capacità del veicolo di percepire il proprio intorno. Tradizionalmente, la progettazione del layout di sensori si è basata su metodi empirici, regolazioni iterative e prototipazione fisica, processi spesso costosi e dispendiosi in termini di tempo. Con l’aumento del numero e della varietà di sensori nelle moderne piattaforme autonome, diventa necessario un approccio sistematico e automatizzato al loro posizionamento. Questa Tesi presenta un metodo in grado di determinare automaticamente il posizionamento spaziale dei sensori esterocettivi su veicoli autonomi. La metodologia proposta formula il problema del posizionamento come un problema di ottimizzazione continua, il cui obiettivo è massimizzare la copertura percettiva utilizzando una funzione di costo basata sul contenuto informativo, derivata da dati di simulazione. Per costruire tale funzione di costo, sono stati sviluppati diversi scenari di guida simulati. Da questi, sono state generate mappe voxelizzate rappresentative del contenuto informativo spaziale dell’ambiente circostante. Queste mappe consentono all’algoritmo di ottimizzazione di valutare in modo efficiente le possibili configurazioni di sensori. Il metodo sviluppato è stato poi applicato a un caso di studio reale, un veicolo elettrico Iveco e-Daily equipaggiato con telecamere, LiDAR e radar. La configurazione ottimizzata dei sensori ha dimostrato un miglioramento nella copertura e una riduzione del volume dei punti ciechi rispetto a una configurazione definita manualmente, validata attraverso le linee guida ISO 34502. I risultati confermano che un approccio sistematico e basato sulla simulazione può migliorare significativamente la progettazione del layout sensoriale, riducendo i tempi e i costi di sviluppo e aumentando la copertura percettiva dei veicoli autonomi.