TEAM

Team GalaXIs

Lehrstuhl für Informatik 11

Software für eingebettete Systeme

RWTH Aachen

Prof. Dr.-Ing. Stefan Kowalewski

Team GalaXIs

Yves Duhr 9. Semester Dipl. Informatik

Philipp Fischer 1. Semester M. Sc. Informatik

Stefan Kockelkoren 10. Semester Dipl. Informatik

Julian Krenge 9. Sem. Dipl. Inform & 4. Sem. MBA

Matthias May 5. Semester Informatik B. Sc.

Projektmanagement

4

Gliederung

1. Technischer Aufbau

2. Spurerkennung

3. Spurführung

4. Ausweichalgorithmus

5. Einparkkonzept

5

Technischer Aufbau

6

Konstruktion

Ultraschallsensoren

Infrarotsensor

Kompass

Kamera

Blackfin

ATmegas

7

Architektur

8

I2C

I2C

32 MB SDRAM

Kamera OV7725 60 fps

Atmega 16 control

Blackfin BF537 DSP 500 MHz

Atmega 16 measure

CAN

RC

Buttons

H-Bridge Servo Rad-

encoder

Kompass

USS li. USS re. USS hi. Infrarot

Motor

PWM

Hardwarekomponenten

Blackfin BF537 mit OV7725 Kamera 380 €

ATmegas für einfache Operationen 3 €

Kyosho TF-5 Chassis 269 €

3x Ultraschall für Heck- und Frontabstand 120 €

1x Infrarot für Seitenabstand 40 €

Fertigungskosten 54 €

Gesamt 866 €

9

Energieverbrauch

Blackfin mit Kamera 160 mA

Sensoren und ATmegas 290 mA

Motor (unter Last) ca. 4000 mA

Lenkservo ca. 1000 mA

Gesamt 5450 mA

Energieeffizientes Konzept

Deaktivierung nicht benötigter Module

10

Spurerkennung

11

Spurerkennung

1. Aufnahme des Bildes

2. Radiale Entzerrung

3. Kantenerkennung

4. Klassifikation

12

Aufnahme Radiale

Entzerrung Kanten-

erkennung Klassifikation

• 160x120 Pixel

• Graustufen (8bit)

• 60 Bilder pro Sekunde

• Weitwinkelobjektiv

• Höhere Auflösung

• 24/32bit Farbraum

• Mehrere Kameras

Alternativen

13

Aufnahme Radiale

Entzerrung Kanten-

erkennung Klassifikation

14

Aufnahme Radiale

Entzerrung Kanten-

erkennung Klassifikation

• Zielbild: 200x95 Pixel

• Brown‘s distortion model

• Korrektur zweiten Grades

• Keine Formatanpassung

•Höherer/geringerer Grad

Alternativen

15

xy

u=

xy

d+

xy

d−

xy

c∗ K1r

2 + K2r4

Aufnahme Radiale

Entzerrung Kanten-

erkennung Klassifikation

16

Aufnahme Radiale

Entzerrung Kanten-

erkennung Klassifikation

• Optimiert auf

Wettbewerbsbedingungen

• Prewitt-Operator

• X- und Y-Richtung

• Segmente erstellen

und zu Linien verbinden

• Sobel-Operator/Hough

• Nur X-Richtung

Alternativen

17

Aufnahme Radiale

Entzerrung Kanten-

erkennung Klassifikation

18

Aufnahme Radiale

Entzerrung Kanten-

erkennung Klassifikation

19

Aufnahme Radiale

Entzerrung Kanten-

erkennung Klassifikation

• Homogene Koordinaten

• Transformationsmatrix durch 4 Referenzpunkte in Testumgebung berechnet

• Matrix invertierbar (Bidirektionalität) x

y

11 12 13

21 22 23

31 32 33

'

'

1

x a a a x

y a a a y

w a a a

20

Aufnahme Radiale

Entzerrung Kanten-

erkennung Klassifikation

• Szenarioanalyse (LMR)

• Lage der Linien im Bild

• Lage der Linien zueinander

• Länge der Linien

• Plausibilität (nicht kreuzen)

• Charaketristika (Mittelinie)

• Statische Analyse

Alternativen

21

Aufnahme Radiale

Entzerrung Kanten-

erkennung Klassifikation

22

Bewertung von Alternativen

Alternativen: Planung und Gedächtnis oder künstliche Intelligenz

• Mehr Rechenleistung nötig

Kosten, Energiebedarf, Instabilität

• Geringere Beherrschbarkeit und

Vorhersagbarkeit ( Fehlersuche)

23

Spurführung

24

Bestimmung der Fahrspuren

25

Berechnung des Lenkeinschlags

Erreichen optimaler Position in der Mitte der Spur

α

r d

δ

r =d2 + δ2

2δ

26

Berechnung des Lenkeinschlags

Zuordnung von Abweichung zu Lenkeinschlag

Approximation durch quadratische Parabel

1000

1100

1200

1300

1400

1500

1600

0 5 10 15 20 25 30 35 40 45 50

Stee

rin

g V

alu

e

Horizontal Steering Point Offset

Sin

1-(x-1)^2

20*x

Delta toSteerval

27

Regelung

28

• PID-Regler

• Schwingungsverfahren nach

Ziegler/Nichols

1. Einstellen als P-Regler

2. Ermittlung der Eigenfrequenz

3. Aus Periodendauer bestimmen

sich I- und D-Anteil

• P-/PI-Regler

• Parameter aus

Regelstrecke ableiten

• Andere

Einstellverfahren

Alternativen

Ausweich-

algorithmus

29

30

Situationsanalyse

• Erkennung

• Objekte durch Sensorfusion • Stopplinie durch Kamera

• Lokalisation

• Spurzuordnung von Objekte • Unterscheidung Start- und Stopplinie

31

Überholen und Vorfahrt

• Hindernis

• Verlegen der Sollspur • Geregelter Spurwechsel • Angepasste Geschwindigkeit

• Kreuzung

• Dynamisches Anhalten • Vorfahrtsregeln durch Objekterkennung • Jeder Sensor ist hinreichend

Einparken

32

Erkennen der Lücke

• Kameragestützte Erkennung vor Vorbeifahrt (± 2cm)

• Infrarot und Distanzmesser (± 1cm)

• Planung der Halteposition

33

Einparkvorgang

• Halt bei festgelegter Ausgangsposition

• Abfahrt statischer Trajektorie

• Maximaler Lenkeinschlag

34

0P

Stetige Kontrolle

• Front: Kamera, Ultraschall (± 1cm)

• Heck: Ultraschall, gespeicherte Position (± 1cm)

• Seite: Infrarot (± 1cm)

• Ausrichtung: Kompass (± 1°)

35

m

Vielen Dank für Ihre

Aufmerksamkeit