A fusão da informação do receptor GNSS com o sistema dead reckoning permite limitar o crescimento do erro de localização, uma vez que o sistema GNSS possui erro limitado. Com isso obtém-se uma estimativa de localização que incorpora as vantagens do dead reckoning (alta taxa de amostragem, continuidade, alta precisão para pequenos deslocamentos) com a principal vantagem do sistema GNSS (erro absoluto, limitado). Os
Capítulo 4. Direção Autônoma Baseada em Fusão GNSS e Dead Reckoning 93
experimentos descritos nesta seção têm como principal objetivo avaliar o desempenho de um sistema de direção autônoma, em uma implementação baseada em sensores de baixo custo, e filtragem simples para fusão de GNSS e dead reckonig, descrita na seção 4.3. Adicionalmente este experimento permite avaliar o efeito do drift rápido (em 10 minutos) do bias do sinal de GNSS, e seu efeito na repetição autônoma de um percurso cíclico. O procedimento de teste se divide em duas partes: (a) construção do caminho de referência (caminho a ser copiado pelo carro), quando um motorista percorre o trajeto escolhido e o computador salva os pontos que descrevem a trajetória; (b) execução automática deste caminho, quando o computador controla o volante para que o carro repita o caminho de referência.
Após a construção do caminho de referência, a direção autônoma inicia com o posi- cionamento do veículo exatamente na origem do caminho. Para isso utilizam-se marcações auxiliares mostradas na Figura 53.
(a) Marca de posição (b) Marca de Orientação
Figura 53 – Marcas para auxiliar o posicionamento inicial do veículo.
O controlador do volante (Figura 46 - Módulo 3) tem seu princípio de funcio- namento ilustrado da Figura 54. O ângulo de posicionamento do volante, calculado pela expressão 𝜙 = 12 sin 𝛼, considera os parâmetros cinemáticos do carro protótipo e o ângulo de desvio da direção 𝛼 ao ponto alvo. O ponto alvo se mantém a uma distância temporal constante de 1, 5s.
Capítulo 4. Direção Autônoma Baseada em Fusão GNSS e Dead Reckoning 94
Ao todo foram realizadas 9 repetições autônoma consecutivas do caminho de refe- rência (Figura 55). A distância total percorrida foi de 2km e a duração do teste foi de 10 minutos. A Figura55-a mostra o registro do caminho estimado pelo sistema de localização do veículo e a Figura 55-b, o caminho real registrado por uma imagem aérea.
(a) Registro Estimado (b) Registro Real
Figura 55 – Caminho dirigido em modo autônomo.
A medição do erro lateral foi feita em dois pontos específicos do circuito, mais exatamente dois cortes transversais (cortes A e B - Figura 55-a). Os resultados obtidos estão apresentados na Figura-56. Para o corte A o erro lateral do controlador foi 0,10 m e o erro lateral real 0,70 m. Para o corte B o erro lateral do controlador foi 0,48 m e o erro lateral real 1,15 m.
É importante ressaltar que o desvio lateral real é causado por duas razões: erro de seguimento de caminho; e erro na localização. Os desvios observados nas Figuras 56(a) e (c) são causados pelo erro de seguimento de caminho enquanto os desvios observados nas Figuras (b) e (d) são os erros reais observados, causados pela soma do erro de seguimento de caminho e o erro de localização. Pode-se notar que o erro real é bem maior que o erro de seguimento de caminho. Isso confirma o que foi discutido no início deste capítulo, que o erro de localização corresponde à maior parcela do erro total.
Capítulo 4. Direção Autônoma Baseada em Fusão GNSS e Dead Reckoning 95
(a) (b)
(c) (d)
Figura 56 – Erros laterais: (a) Erro do controlador no corte A, (b) Erro real no corte A, (c) Erro do controlador no corte B, (d) Erro real no corte (B).
4.5
Conclusões
Neste capítulo foi apresentado o desenvolvimento de um sistema de localização ba- seado na fusão GNSS e dead reckoning. Os sensores para dead reckoning foram construídos a partir de um giroscópio MEMs, o odômetro original do veículo e um microcontrolador. O giroscópio operando em temperatura controlada permitiu uma precisa compensação do seu bias, e com isso minimizar a taxa de crescimento do erro de dead reckoning (≈ 0, 1%). Consideramos este valor um bom resultado tendo em vista que foram usados sensores comuns e de baixo custo.
O teste de direção autônoma em um circuito cíclico demonstrou, o que já era es- perado, que a fusão GNSS com dead reckoning permite limitar o crescimento acumulativo de localização, intrínseco do dead reckoning. Com o erro acumulativo de dead reckoning controlado, o erro de localização passou a ser predominantemente definido pelo bias do giroscópio. O bias do receptor GNSS varia lentamente em função das condição atmosférica e da geometria dos satélites, e só pode ser calculado com o uso de um sinal de correção, fornecido por uma estação fixa. Apesar do nosso experimento de direção autônoma ter sido conduzido em um tempo relativamente pequeno (10 min) o efeito da variação lenta do
bias do GNSS já pôde ser percebido (deslocamento lateral dos cortes A e B - Figura 56). Embora seja de conhecimento público as limitações da abordagem de localização baseada em GNSS, os estudos e experimentos realizados permitiram avaliar e aprimorar o sistema dead reckoning construído para o carro protótipo, preparando sua integração com o sistema desenvolvido no Capítulo 5. Além disso, também foi possível verificar na prática o funcionamento do controlador de seguimento de caminho proposto.
96
5 Direção Autônoma Baseada em Mapas de
Marcadores de Pista
5.1
Introdução
Apesar dos bons resultados obtidos com o algoritmo de direção autônoma apre- sentado no Capítulo 3, ele estava limitado a ser um seguidor automático de pista, sem a capacidade de lidar com trechos com falta de marcação, rotatórias ou bifurcações. Os resultados obtidos com a abordagem do Capítulo 4, confirmaram que a precisão alcan- çada com este tipo de técnica não permite operação autônoma em vias públicas. Isso motivou o desenvolvimento do algoritmo apresentado neste capítulo, baseado nos concei- tos estudados e no hardware e software desenvolvidos descritos nos capítulos anteriores. O presente algoritmo é baseado em mapas e localização, e é capaz de realizar a direção autônoma através do seguimento automático de uma trajetória pré-programada, criada em uma viagem de mapeamento manual.
Ao contrário do que normalmente é feito, nesta tese não houve a preocupação em se calcular a posição global do veículo, ou seja, a posição do veículo em relação ao globo terrestre (latitude e longitude). O termo localização se refere à postura do veículo (𝑥, 𝑦, 𝜃) em relação ao sistema de referência do mapa que está sendo utilizado. Para fazer direção autônoma, basta que se conheça a posição relativa entre o veículo e os limites laterais da pista, o que não varia para mapas em sistemas de referência diferentes.
O mapa de marcações de pista é construído por dead reckoning e não considera a informação de altitude. Se este mapa for comparado com outro construído a partir de GNSS de precisão (Figura 57), descartando a elevação e curvatura da terra, e, se forem sobrepostos dois pontos correspondentes quaisquer (aplicando rotação e translação), percebe-se que os dois mapas serão geometricamente muito parecidos em torno do ponto de sobreposição. É isso que permite que o método proposto nesta tese funcionar bem. Na medida que se afasta desse ponto, as diferenças aumentam devido ao acúmulo de erro no
dead reckoning, o que não é um problema pois apenas a informação próxima a localização
atual é usada para direção autônoma.
O novo sistema, apresentado neste capítulo, é baseado no detector de marcação do Capítulo 3, mas com duas diferenças importantes: (i) a deteção das marcações de pista passou a ser realizada apenas na região logo à frente do veículo; e (ii) o registro das marcações detectadas é armazenado num buffer de modo a ser utilizado para fins de localização (ver Figura 58).
Capítulo 5. Direção Autônoma Baseada em Mapas de Marcadores de Pista 97
Figura 57 – Distorção geométrica (erro acumulativo) em nosso esquema de mapeamento baseado em dead reckoning
.
pista, resultou na principal contribuição deste trabalho: um método baseado em sensores de baixo custo que permite construir uma percepção precisa, confiável e extensa das marcações de pista na vizinhança do veículo. Esta extensa percepção combinada com o algoritmo rápido de filtragem e map-matching levou a uma localização com precisão alta suficiente para operação em direção autônoma.
(a)
(b)
Figura 58 – (a) típica deteção frontal com alcance limitado pela precisão visual e (b) nossa proposta de detecção e reconstrução por back registry com o alcance limitado pela precisão do dead reckoning.
A escolha de detectar marcações de pista perto do veículo foi feita a fim de obter o máximo de precisão. De fato, para marcações de pista próximas ao veículo a resolução
Capítulo 5. Direção Autônoma Baseada em Mapas de Marcadores de Pista 98
óptica é maior. Outra vantagem é que, o cálculo da posição das marcas de pista é menos afetado pelos movimentos de veículos, como pitch e roll, que normalmente afetam dina- micamente a calibração do sistema de visão. A hipótese de uma estrada plana, usada na transformação perspectiva inversa, é mais exata nas regiões próximas ao veículo. Além disso, marcações de pista perto do veículo, geralmente não são afetadas por oclusões. No caso de operação noturna, a detecção de marcações de pista próximas ao veículo ainda oferece outra vantagem, ela focaliza a região que é mais bem iluminada pelo farol.
É importante ressaltar que, diferentemente dos seguidores de pista tradicionais, o novo sistema proposto utiliza as marcações de pista apenas como pontos de referência para o mapeamento e localização, e não para definir diretamente um ponto de alvo ou ponto de fuga, geralmente apresentados na literatura como uma ferramenta para o cálculo do comando de direção para o carro.
Portanto, quando presentes, as marcações de pista detectadas são armazenadas em um buffer, e sua posição em relação ao veículo continuamente atualizadas de acordo com os movimentos do veículo (ver Figura 58-b). Este conjunto de dados acumula as marcações de pista em um mapa, enquanto o veículo está viajando. Além da informação visual, dados sobre os movimentos do veículo e trajetória são obtidos por um processo de
dead reckoning.
Uma vez que o mapa esteja construído, é possível usar o que foi chamado nesta tese de BLMR (Back Lane Marking Registry) para realizar a localização online. Os resul- tados preliminares demonstraram que a precisão é suficientemente alta para aplicação em direção autônoma. A ideia principal é que, enquanto o veículo está viajando, o sistema de localização online usa parte do caminho atual, já percorrido pelo carro, para localizar o veículo no mapa, ou seja, a localização é feita comparando o BLMR, com a estrada armazenada no mapa.
Como mencionado anteriormente, a abordagem proposta baseia-se em informações visuais e dead reckoning. Uma vez que a estimativa de posição por dead reckoning é um processo incremental e, portanto, afetado por acumulação de erro, o comprimento do BLMR deve ser limitado a um valor específico, a fim de manter um nível suficiente de precisão. Se o comprimento do BLMR for muito curto, haverá pouca informação e o processo de comparação com o mapa terá sua precisão reduzida. Por outro lado, se o comprimento for do BLMR for muito longo, o erro cumulativo também vai reduzir a precisão do BLMR. Neste trabalho, através de testes experimentais definiu-se 240 m como melhor valor de comprimento para o BLMR. Este valor de comprimento resultou na melhor precisão de localização de acordo com a metodologia de avaliação apresentada na Seção 5.4.1.
O algoritmo BLMR usa um longo registro das marcações de pista como informação para a localização, por isso ele é robusto contra trechos de marcações ausentes. Uma vez
Capítulo 5. Direção Autônoma Baseada em Mapas de Marcadores de Pista 99
que o veículo esteja precisamente localizado no mapa, há sempre um caminho de referência que orienta o veículo através das seções de marcações de pista em falta.
Portanto, o método BLMR funciona mesmo quando marcações de pista não estão presentes ou não podem ser detectadas por uma curta distância (como em cruzamentos, bifurcações e túneis, por exemplo), e nenhum trabalho manual é necessário para completar as marcações ausentes após o mapa construído. Porque o BLMR pode lidar com tais situações e não depende diretamente da existência de marcações de pista em todas as partes do caminho, acredita-se que o método proposto aqui representa uma contribuição relevante para o estado da arte atual.