Autonomous navigation, from sensing to planning

Questo lavoro presenta i risultati ottenuti nel campo dei veicoli autonomi, nello specifico nel compito della navigazione autonoma. Questo problema è stato affrontato trasversalmente rispetta alle tre principali aree funzionali di un veicolo autonomo: percezione, fusione e pianificazione. Nell'ambito della percezione, è stato proposto un innovativo approccio all'individuazione della corsia di guida basato su reti neurali convolutive. Questa tecnica permette di superare molti limiti dei classici approcci geometrici basati sulle strisce stradali, fornendo risultati affidabili anche in condizioni avverse di illuminazione e in assenza delle pitture stradali. Nel campo della fusione, è stato sviluppato un algoritmo per la stima del percorso geometrico della strada da molteplici informazioni sensoriali. La soluzione, basata sulla tecnica di moving-window-estimation, fonde diverse informazioni eterogenee, provenienti da camere e radar, ottenendo una stima molto più stabile e precisa di quella ottenibili con i dati d'ingresso presi singolarmente. Per quanto riguarda la pianificazione, è stato proposto un nuovo approccio per il calcolo di traiettorie di riferimento locali. L'algoritmo sviluppato è basato sui metodi variazionali e permette, tramite una rappresentazione innovativa del campo di potenziale, di ottenere in maniera efficiente un riferimento di guida per l'automobile che risulta comfortevole, privo di collisioni e capace di realizzare diverse manovre. Le soluzioni sviluppate nel contesto di questo lavoro sono state provate e utilizzate con successo sul veicolo autonomo DEEVA, rendendo possibile una dimostrazione pubblica di guida autonoma in ambito urbano.