Development of a reference software platform for the Velodyne VLP-16 LiDARS

Recent advancements in sensor technologies have paved the way towards the realization of autonomous vehicles. The choice of sensors used in such vehicles plays a pivotal role in their successful operation under different conditions. The sensors used in the current generation semi-autonomous vehicles provide a reliable performance for normal use cases. However, their reliability significantly reduces for extreme use cases due to their sensing limitations such as, poor sensitivity to certain materials, limited range, restricted field of view (blind spots), and so on. Hence, a deeper understanding of the limitations of these sensors is required to characterize the sensor specifications required for future fully autonomous vehicles. This thesis work focuses on developing a reference software platform that captures the ground truth required for benchmarking the sensors used in current generation semi-autonomous vehicles. A modular, scalable software framework for the reference software platform called, LiDAR Software Platform is proposed, and four functions, namely point cloud fusion, point cloud mapping, point cloud obstacle detection, and point cloud map obstacle detection, based on the proposed framework are developed. The platform is developed using state-of-the-art Velodyne VLP-16 3D LiDARS (Light Detection and Ranging), the Robot Operating System (ROS), and the Point Cloud Library (PCL). A novel approach for improving the density of the point clouds by fusing the data from two Velodyne VLP-16 LiDARS is proposed, and successfully implemented, and a high density 3D point cloud map of the environment with centimeter accuracy is generated. Finally, the minimum point cloud density required for a robust detection of an obstacle at 50 meters from the truck is determined.Nya framsteg inom sensorteknologi har banat väg för förverkligande av autonoma fordon. Valet av sensorer som används i sådana fordon spelar en viktig roll i deras framgångsrika verksamhet under olika förhållanden. De sensorer som används i den nuvarande generationen halvautonoma fordon ger en tillförlitlig prestanda för normala användningsfall. Men deras tillförlitlighet minskar avsevärt under extrema användningsfall på grund av deras avkännande begränsningar såsom dålig känslighet för vissa material, begränsat område, begränsat synfält (blinda fläckar), och så vidare. Därför är en djupare förståelse av begränsningarna av dessa sensorer som krävs för att karakterisera sensor specifikationer som krävs för framtida helt autonoma fordon. Denna avhandling fokuserar på att utveckla en referensmjukvaruplattform som fångar marken sanningen som krävs för benchmarking de sensorer som används i nuvarande generationens halvautonoma fordon. En modulär och skalbar ram programvara för referensmjukvaruplattform kallas, LiDAR Software Platform är föreslås, och fyra funktioner, nämligen punktmoln fusion, punktmoln kartläggning, punktmoln hinderdetektering och punktmoln karta hinderdetektering, baserat på den föreslagna ramen är tagit fram. Plattformen är utvecklad med hjälp av toppmodern Velodyne VLP-16 3D LiDARS (Light Detection and Ranging), Robot Operating System (ROS), och Point cloud Library (PCL). En ny metod för att förbättra tätheten av punktmoln genom sammansmältning data från två Velodyne VLP-16 LiDARS är föreslås och framgångsrikt genomförts och en hög densitet 3D punktmoln karta över miljön med centimeternoggrannhet är genereras. Slutligen, det minimum punktmoln täthet som krävs för en robust detektering av ett hinder på 50 meter från lastbilen är bestämd