A review of ROS based autonomous driving platforms to carry out automated driving functions

Abstract

Nas últimas décadas, os sistemas avançados de assistência ao motorista (ADAS), têm evitado ou mitigado acidentes rodoviários. Manutenção de direção na pista, aviso de saída da pista, detecção de pontos cegos, frenagem automática de emergência, e importantes inovações tecnológicas estão sendo desenvolvidas e otimizadas a cada ano pela indústria automotiva. Como em outros setores, a automação, eletrônica, e a tecnologia robótica modificam continuamente a produção de automóveis. O objetivo final deste processo é a direção autônoma. A condução de um robô to tipo carro, a partir de um ponto A ao ponto B, utilizando o caminho mais curto, evitando colisões de forma confortável e segura, é o objetivo final deste sistema. Este trabalho delineia o processo de condução autônoma, desde a fase de mapeamento até a fase de controle veicular, concentrando-se no módulo de planejamento de trajetória. Estruturas de código-fonte aberto disponíveis, conhecidas como pilhas de navegação autônoma (ADS), contendo os módulos mencionados são empregados. Diferentes tipos de algoritmos de planejamento de trajetória disponíveis nestas estruturas são testados para avaliação dos respectivos caminhos produzidos . O problema de planejamento de trajetória e controle é resolvido para diferentes cenários, global e localmente. Os estudos de caso são realizados com um verdadeiro emulador de ambiente: o simulador LGSVL. No final, uma análise das trajetórias geradas pelo veículo autônomo (AV), o desempenho e um benchmark dos softwares Autoware.AI e Apollo.Auto 6.0 e de seus respectivos módulos são realizados.

Abstract: In the last decades, advanced driving assistance systems (ADAS) have avoided or mitigated high road accidents. Lane-keeping, lane departure warning, blind-spot detection, auto- matic emergency braking, and important technological innovations are being developed and optimized each year by the automotive industry. As in other sectors, automation, electronics, and robotics technology continuously modify automobile production. The ultimate step from this process is autonomous driving. Conducting a car-like robot from point A to point B, using the shortest path, avoiding collisions comfortably and safely, is the final goal of this system. This work delineates the autonomous driving process, from mapping to control, focusing on the planning layer. Available open-source frameworks, called autonomous driving stacks (ADS), containing the mentioned modules are employed. Different sorts of mission and motion planning algorithms available on these frameworks are tested to address the path planning topic. The planning and control problem is solved for different scenarios, globally and locally. The studied test cases are performed with a real environment emulator: the LGSVL simulator. In the end, an analysis of the autonomous vehicle (AV) generated trajectories, its performance, and benchmark from Autoware.AI and Apollo.Auto 6.0 ADS modules are performed.