CYFROWE INNOWACJE

Autonomiczne ciężarówki są wymieniane jako jeden z najważniejszych elementów logistyki przyszłości. Postrzega się je jako sposób na rozwiązanie wielu problemów trapiących branżę transportową i szansę na znaczące zwiększenie efektywności dostaw na całym świecie. Dzięki wykorzystaniu nowych technologii usprawnieniu ulec może m.in. proces dokowania pojazdów ciężarowych. Szerokie spektrum możliwości w tym zakresie pokazuje autorski projekt GlobalLogic, MALVA (ML Autonomous Lidar V2X ADAS), którego celem jest zautonomizowanie całego procesu jazdy, parkowania i dokowania.

Pojazd ciężarowy jest w stanie ustalić ścieżkę, po której będzie samodzielnie się poruszać. Wykrywa przeszkody, wykorzystując informacje odometryczne i tworzy wewnętrzną, aktualizowaną mapę, korzystając z technologii LIDAR. Jednoczesne określanie pozycji i mapowanie (moduł SLAM - Simultaneous Localization and Mapping) pozwala lepiej zarządzać lokalizacją na danym obszarze i ustalić właściwą trajektorię ruchu.

Za pomocą LIDAR pojazd szacuje odległości do przeszkód i opracowuje plan ich uniknięcia poprzez zastosowanie metody „dynamicznego okna” (Dynamic Window Approach). Stworzony model pozwala uwzględnić kształt samochodu ciężarowego i lepiej zaplanować ruch. Ten odbywa się po określeniu pozycji za pomocą IMU — czujnika ruchu inercyjnego (ang. Inertial Motion Unit) oraz drogomierza. Podczas planowania ruchu wykrywane są odległości do przeszkód i wszelkich poruszających się obiektów.

Za pomocą kamery cofania i markera Aruco pojazd ciężarowy dokonuje oszacowania swojej odległości do przyczepy. Algorytm planuje ruch, korzystając z biblioteki OpenCV. Trajektorię oblicza z kolei na podstawie krzywej Béziera. Posiadając odpowiednie informacje, rozpoczyna ruch silnika napędu czy serwomechanizmu, przemieszczając się w kierunku przyczepy zgodnie z zaplanowaną ścieżką.

Ciężarówka za pomocą czujnika odległości szacuje odległość do przeszkód, a następnie planuje ruch po przeprowadzeniu analizy płaszczyzn i planowania przez lokalne urządzenie TEB (ang. Time Elastic Band).

Ważnym elementem projektu MALVA jest aktualizacja systemu za pomocą komunikacji V2X (Vehicle To Everything) – poprzez sieć Wi-Fi i przy użyciu urządzeń IoT lub mikrokontrolerów do strumieniowania danych. Tym samym pojazd uzyskuje informacje o aktualnej sytuacji na drogach. Może m.in. dostosowywać swoją prędkość na bazie otrzymywanych statusów od sygnalizacji świetlnej, by docierać do skrzyżowań przy zielonym świetle i pokonywać je bezpiecznie.

Opracowany system składa się z kontrolera wizji (Vision Controller) i kontrolera autonomicznej jazdy, które są oparte na systemie Linux, a także działającego w czasie rzeczywistym kontrolera pojazdu (Vehicle Controller), który przekazuje prawidłowe dane wyjściowe w określonym przedziale czasowym do silnika, kół czy poleceń dokowania. Na potrzeby projektu MALVA nasi specjaliści wykorzystali opracowany dla robotyki framework ROS, który zawiera zdefiniowane interfejsy do łączenia wspomnianych wewnętrznych komponentów. Umożliwiło im to stworzenie rozwiązania, które jest w stanie przetwarzać dane ze wszystkich czujników i kontrolować ciężarówkę. Dokonywane obliczenia z ROS uzupełnia oddzielna jednostka do pozyskiwania obrazów przez dwie kamery. Zdjęcia są następnie analizowane przez sieć neuronową, tak by rozpoznać za pierwszym razem znaki drogowe i ograniczenia prędkości, a następnie przekazać wyniki do kontrolera autonomicznej jazdy (ang. Autonomous Drive Controller). Takie rozwiązanie pozwala na przeprowadzenie w sposób samodzielny przez pojazd całego procesu jazdy, parkowania i dokowania.

Projekt MALVA stanowi przyszłościowe rozwiązanie dla czasochłonnego i trudnego procesu dokowania pojazdu ciężarowego. Korzystając z nowych technologii, możemy uczynić go szybszym i bezpieczniejszym, a tym samym doskonale wpisującym się w rosnące potrzeby branży transportowej.