Sensorsimulering för autonoma gruvfordon

The mining industry uses vehicles for a wide range of applications, including excavation and transportation of rock and soil. Currently, this requires a lot of human labour, mainly drivers, but efforts are being made to increase automation, e.g. using autonomous vehicles. In order for a vehicle to reach any level of autonomy, it needs to be aware of its surroundings, for instance by using sensors. The placement of the sensors is a difficult problem. The goal of this project was to create a tool that would simplify the sensor placement process. The tool should simulate sensors on autonomous vehicles, both by visualizing their field of view and by generating synthetic data. The tool was created, including simulation environments, models of different types of sensors and tools to analyze the results of the simulation. Both the field of view visualization and the data analysis tools were shown to be powerful tools for evaluating sensor placements. All of the sensor models are able to generate data, with different levels of realism. The radar model and the camera model give a good estimation of what the sensors can detect, while the lidar model is capable of generating realistic data.Gruvindustrin använder fordon till ett stort antal olika uppgifter, bland annat till att gräva ut och förflytta sten och jord. Detta kräver för tillfället mycket manuellt arbete, framförallt förare, men försök att automatisera delar av arbetet utförs, till exempel genom att använda autonoma fordon. För att ett fordon ska kunna bli autonomt krävs det att det kan känna av sin omgivning, exempelvis genom att använda sensorer. Sensorplacering är ett svårt problem. Målet med projektet var att skapa ett verktyg för att förenkla sensorplaceringsprocessen. Verktyget skulle simulera sensorer på autonoma fordon, både genom att visualisera deras synfält och genom att generera syntetisk data. Verktyget skapades, inklusive simuleringsmiljöer, modeller av olika typer av sensorer, och verktyg för att analysera genererad data. Både synfältsvisualiseringen och datagenereringen visades vara användbara verktyg för att utvärdera sensorplaceringar. Alla sensormodellerna kan generera data, med olika realistiska resultat. Radarmodellen och kameramodellen ger en bra uppskattning av vad sensorerna kan detektera, medan lidarmodellen kan generera realistisk data