Undersökning av Polynomial Trajectory Planner För nödmanövrering

Getting an autonomous car to work is a complex task, and it is developed in steps. Today there are many semi-autonomous Advanced Driver Aid Systems in cars such as Adaptive Cruise Control and Lane Keeping Aid to improve comfort for the driver. Some systems will help brake a vehicle in case an accident is imminent, but this thesis will attempt to investigate solutions for doing emergency evading maneuvers when a static obstacle is late detected ahead of the car. When an obstacle is late detected an emergency routine will be triggered. The planner chosen is a polynomial based planner in a Frenet coordinate system. The planner is searching a state space for position in lateral and longitudinal direction. The algorithm will find qupintic and quartic polynomials between current and end positions. A Pure Pursuit path tracker will make the car follow these curves. The trajectory chosen is selected using a cost function. The cost function will assess different factors of the trajectories and give them a cost to compare. The goal of the thesis is to investigate how sensor range, replan rate and trajectory density in the trajectory planner affect the performance in terms of obstacle avoidance. The performance is judged by the portion of 50 trials that do not result in a collision. It was found that detection distance has a linear relation to success rate up to a range of 23 meters, after that it is basically collision free. The replan rate also has a proportional relation to success rate, until a point where the performance is capped. The last factor investigated was the trajectory density. It has little effect between the highest densities, but when it is more sparse will have a significant impact. An issue that was encountered was that accelerations were excessively large in the simulator. This causes the reliability of some maneuvers to be uncertain and reduced the legitimacy of the results. The sensor range where a maneuver can be made with reasonable accelerations is 25 meters.Att få en bil att köra autonomt är en komplex uppgift som är genomförd i steg. Idag finns det många halvautonoma körassistanssystem i bilar som till exempel Adaptive Cruise Control och Lane Keeping Aid vilket förbättrar komfort och säkerhet för föraren. Vissa system bromsar bilen ifall en olycka är nära, men vad detta examensarbete kommer att undersöka är lösningar för att göra en nödmanöver ifall ett statiskt hinder framför bilen blir sent upptäckt av sensorerna. Ifall ett hinder upptäcks sent så kommer en nödrutin att aktiveras. Planeraren som är vald är en polynombaserad planerare i ett Frenet koordinatsystem. Planeraren söker igenom ett tillståndsrum för position i lateral och longitudinell riktning. Algoritmen kommer att skapa ett 4:e eller 5:e ordningens polynom mellan nuvarande position och önskad slutposition. En Pure Pursuit regulator är implementerad för att säkerställa att fordonet följer rutten. Rutten är vald med hjälp av en kostnadsfunktion. Kostnadsfunktionen kommat att bedöma olika faktorer i rutten och ge dem en kostnad. Målet med detta examensarbete är att undersöka hur sensorräckvidd, planeringsfrekvens och ruttäthet av planeraren påverkar prestanda när det gäller att undvika hinder. Prestandan är bedömd av hur stor andel av 50 försök som inte resulterar i kollision. Andelen framgångsrika försök beror linjärt på räckvidden, upp till 23 meter och därefter blir algoritmen kollisionsfri. Planeringsfrekvensen hade också ett linjärt samband till förmågan att undvika hinder. Den sista faktorn som undersöktes var ruttätheten, den hade liten inverkan vid hög täthet. När rutten har låg täthet så hade ändringar i tätheten en stor inverkan. Ett problem som uppkom var att simuleringsprogrammet tillät för höga accelerationer, vilket leder till att delar av resultatet får sämre validitet. Sensorräckvidden där en manöver kan utföras säkert är 25 meter i detta experiment