Đề tài Nghiên cứu ô tô tự lái trong trường hợp tìm vị trí đỗ xe

ọng trong nghiên cứu về ô tô tự hành. Khi số lượng ô tô ngày càng tăng lên, việc đậu xe ngày càng trở thành một vấn đề nan giải, do vậy bãi đậu xe tự động là một phần không thể thiếu trong tương lai. Trong nghiên cứu này nhóm tập trung vào áp dụng phương pháp cây ngẫu nhiên RRT và thuật toán Hybric A Star để tìm đường đi tham chiếu tối ưu cho ô tô sau đó phương pháp Stanley và mô hình dự đoán phi tuyến để điều khiển ô tô đi theo đường đi tham chiếu. Kết quả mô phỏng đã thể hiện rõ hiệu quả của bộ điều khiển đề xuất khi sai lệch của tín hiệu đường đi tham chiếu và điều khiển luôn dưới mức 1%. Góc đánh lái và quỹ đạo chuyển động thể hiện ô tô luôn nằm trong ngưỡng đánh lái và đảm bảo tính ổn định của xe. Từ khóa: Mô hình dự đoán phi tuyến; Cây ngẫu nhiên RRT; Phương pháp Stanley; Đường tham chiếu; Ô tô tự hành; Bãi đậu xe. 1. ĐẶT VẤN ĐỀ Tự động đỗ xe là một trong những lĩnh vực được các nhà nghiên cứu quan tâm hiện nay. Hệ thống tự động của ô tô sẽ kiểm soát và hướng ô tô đến điểm đỗ có sẵn. Một chức năng như vậy cần rất nhiều cảm biến bao gồm: camera phía trước và bên hông để phát hiện vạch kẻ làn đường, biển báo đường (biển báo dừng, vạch kẻ đường ra, ), các phương tiện khác và người đi bộ. Cảm biến nắp và siêu âm để phát hiện chướng ngại vật và tính toán các phép đo khoảng cách chính xác; cảm biến siêu âm để phát hiện chướng ngại vật. TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI Kỷ yếu nghiên cứu khoa học sinh viên năm 2021 38 Về kế hoạch và kiểm soát đường đi, hiện nay các nhà nghiên cứu đề ra nhiều phương pháp điều khiển có thể kể đến: đỗ xe song song cho xe tự hành sử dụng đường cong Compertz (Aneesh, et al 2014); phương pháp tiệm cận thuật toán di truyền đối với phương tiện thông minh tự hành (Diya, et al 2017); kiểm soát lái xe với điều khiển dự báo MPC để theo dõi quỹ đạo theo mục tiêu của bãi đậu xe (Tsutomo, et al 2013); bãi đậu xe tự động dành cho xe tự hành dựa trên Vehicular AD Hoc Networking (Michel, et al 2014). Ở đề tài nghiên này, nhóm đề xuất phương pháp dựa trên động lực học của ô tô và các ràng buộc để lập một đường đi hình học khả thi. Sau đó sử dụng thuật toán Stanley và mô hình dự đoán phi tuyến để điều khiển quỹ đạo ô tô đi theo đường tham chiếu. Cách tiếp cận này yêu cầu độ chính xác điều khiển cao về tốc độ và hướng chuyển động. Do vậy nó phù hợp cho việc áp dụng vào xe tự hành. Nhóm sử thuật toán cây ngẫu nhiên RRT (Karaman, et al 2010), (Hoffmann, et al 2007) và Hybric A Star để tìm đường tham chiếu tối ưu cho ô tô và sử dụng thuật toán bám theo quỹ đạo để đảm bảo về mặt động lực học của xe và an toàn của người lái. 2. CÁC NỘI DUNG CHÍNH 2.1. Thiết kế thuật toán tạo đường tham chiếu 2.1.1. Thiết kế thuật toán RRT* Cây khám phá ngẫu nhiên nhanh (RRT*) là thuật toán phát triển một cây bắt nguồn từ điểm bắt đầu bằng cách sử dụng các mẫu ngẫu nhiên từ không gian tìm kiếm. Khi mỗi mẫu được rút ra, ta sẽ có được kết nối giữa nó và trạng thái gần nhất trong cây. Bảng 1. Quy trình thiết kế thuật toán RRT* TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI Kỷ yếu nghiên cứu khoa học sinh viên năm 2021 39 2.1.2. Thiết kế thuật toán Hybric A Star Hybric A Star có khả năng tìm kiếm theo lưới bằng cách áp dụng ràng buộc động học cơ bản của một chiếc xe giúp tạo ra đường tham chiếu cho ô tô tự hành có khả năng bám sát nhất có thể. Hình 2. Quy trình thuật toán Hybric A Star 2.2. Thiết kế thuật toán điều khiển theo đường đi tham chiếu 2.2.1. Thiết kế thuật toán Stanley Phương pháp Stanley được bắt đầu từ 1 chiếc xe có tên là Stanley. Stanley là một chiếc xe tự hành được tạo ra bởi Đội đua Stanford của Đại học Stanford hợp tác với Phòng thí nghiệm Nghiên cứu Điện tử Volkswagen (ERL). Nó đã giành được giải nhất trong cuộc thi DARPA Grand Challenge năm 2005. Phương pháp Stanley có thể nói cơ bản như sau, Theo dõi quỹ đạo ô tô được xử lý theo một cách mới, bằng cách xem xét hướng của bánh trước - không phải thân xe - đối với quỹ đạo mong muốn, cho phép kiểm soát hệ thống một cách thống nhất. TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI Kỷ yếu nghiên cứu khoa học sinh viên năm 2021 40 Hình 2. Xe đua của đại hoc Standford 2.2.2. Thiết kế thuật toán mô hình dự đoán phi tuyến Mô hình dự đoán là một trong số ít các phương pháp điều khiển tiến tiến được sử dụng thành công trong trong các ứng dụng điều khiển công nghiệp. Bản chất của kiểm soát dự đoán dựa trên ba yếu tố chính: mô hình dự đoán, tối ưu hóa trong một khoảng thời gian và điều chỉnh phản hồi. Mô hình dự đoán phi tuyến là biến thể của mô hình dự đoán, nó tối ưu hóa dựa trên điều khiển phản hồi hệ thống phi tuyến. Hình 3. Mô hình ô tô Khi mục tiêu là phát triển một hệ thống điều khiển lái để giữ làn đường tự động, sẽ rất hữu ích khi sử dụng một mô hình động trong đó các biến trạng thái là về sai số bên e1 và sai số định hướng e2 đối với đường. Phương pháp chính áp dụng mô hình dự đoán phi tuyến ở đây chính là đưa ra đầu vào điều khiển của hệ thống để tối ưu hóa sai số bên e1 và sai số định hướng e2 . TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI Kỷ yếu nghiên cứu khoa học sinh viên năm 2021 41 2.3. Kết quả mô phỏng và đánh giá 2.3.1. Mô hình bãi đỗ xe mô phỏng Hình 3a. Bản đồ bãi đỗ xe tự động Hình 3b. Đỗ xe song song 2.3.2. Kết quả mô phỏng sử dụng thuật toán Hybric A Star và RRT* để tìm đường tham chiếu cho ô tô Hình 4a. RRT* Hình 4b. Hybrid A Star Từ trên hình chúng ta có thể thấy cả hai phương pháp RRT* và Hybric A Star đều có thể tìm được đường đi tiệm cận tối ưu, tuân thủ nghiêm ngặt về động học của xe hay ta có TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI Kỷ yếu nghiên cứu khoa học sinh viên năm 2021 42 thể trên hình đường đi tham chiếu không xảy ra va chạm với các vật thể trên bản đồ cho chúng ta thấy độ hiệu quả của thuật toán tìm đường đi tham chiếu. 2.3.3. Các kết quả mô phỏng sử dụng phương pháp Stanley và mô hình dự đoán phi tuyến bám theo đường tham chiếu Nhóm đã đạt được kết quả mô phỏng áp dụng thuật toán vào bám theo đường tham chiếu: ❖ Kết quả mô phỏng phương pháp Stanley bám theo đường tham chiếu sử dụng Hybrid A Star. ❖ Kết quả mô phỏng mô hình dự đoán phi tuyến bám theo đường tham chiếu sử dụng Hybrid A Star. ❖ Kết quả mô phỏng mô hình dự đoán phi tuyến bám theo đường tham chiếu sử dụng RRT* cho ô tô đỗ song song. ❖ Kết quả mô phỏng sử dụng thuật toán RRT * để tìm đường tham chiêu cho ô tô tự hành. ❖ Kết quả mô phỏng mô hình dự đoan phi tuyến bám theo đường tham chiếu sử dụng RRT*. Các kết quả mô phỏng được thể hiện rõ trong thuyết minh, chúng ta có thể thấy rõ mức độ hiệu quả của thuật toán Stanley và mô hình dự đoán phi tuyến trong viêc bám theo đường tham chiếu. Cả hai phương pháp đều cho chúng ta thấy rằng thuât toán điều khiển bám rất sát đường tham chiếu. 3. KẾT LUẬN Nhóm nghiên cứu đã thành công trong việc xây dựng thuật toán RRT* và Hybric A Star tìm đường tham chiếu sau đó áp dụng thuật toán điều khiển Stanley và mô hình dự đoán phi tuyến trong môi trường đỗ xe tự động. Các kết quả nghiên cứu này góp phần làm hoàn thiện chức năng tự hành của ô tô trong các bãi đậu xe thông minh. Hướng nghiên cứu tiếp theo của nhóm nghiên cứu: • Áp dụng thuật toán điều khiển trên đường thực tế. • Sử dụng trí tuệ nhận tạo trong việc bám sát đường tham chiếu dựa trên bộ dữ liệu từ thuật toán Stanley và mô hình dự doán. • Kết hợp thuật toán bám theo đường tham chiếu và chuyển làn khi tránh chướng ngại vật. • Sử dụng phương pháp H infinity và LPV trong việc bám sát đường tham chiếu TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI Kỷ yếu nghiên cứu khoa học sinh viên năm 2021 43 Tài liệu tham khảo [1]. Aneesh N. Chand, Michihiro Kawanishi, Tatsuo Narikiyo, (2014), Fast Parallel Parking for Autonomous Vehicles using Gompertz Curves, The 11th International Conference on Ubiquitous Robots and Ambient Intelligence, Kuala Lumpur, Malaysia. [2]. Diya Thomas, Binsu C. Kovoorb, (2017), A Genetic Algorithm Approach to Autonomous Smart Vehicle Parking system, 6th International Conference on Smart Computing and Communications, Kurukshetra, India. [3]. Dubins, Le, (1957), On Curves of Minimal Length with a Constraint on Average Curvature, and with Prescribed Initial and Terminal Positions and Tangents, American Journal of Mathematics, Volume 79(3), pp. 497-516. [4]. Hoffmann, Gabriel M., Claire J. Tomlin, Michael Montemerlo, Sebastian Thrun, (2007), Autonomous Automobile Trajectory Tracking for Off-Road Driving: Controller Design, Experimental Validation and Racing, American Control Conference, pp. 2296- 2301. [5]. Karaman, Sertac, Emilio Frazzoli, (2010), Optimal Kinodynamic Motion Planning Using Incremental Sampling-Based Methods, 49th IEEE Conference on Decision and Control (CDC). [6]. Michel Ferreira, Lúis Damas, Hugo Conceicao, Pedro M. d’Orey, Ricardo Fernandes, Peter Steenkiste, (2014), Self-Automated Parking Lots for Autonomous Vehicles based on Vehicular Ad Hoc Networking, IEEE Intelligent Vehicles Symposium, Dearborn, Michigan, USA. [7]. Nguyễn Công Tuấn, (2012), Điều khiển lực phanh nhằm ổn định quỹ đạo chuyển động, Luận văn thạc sĩ kỹ thuật, Trường Đại học Giao thông Vận tải. [8]. Reeds, J. A., L. A. Shepp, (1990), pp. 367-393. Tsutomu Tashiro, (2013), Vehicle Steering Control with MPC for Target Trajectory Tracking of Autonomous Reverse Parking, IEEE International Conference on Control Applications, India.