Autonóm menetciklus-modellezés, -szimuláció és -validálás 1:10-es méretarányú járműmodell-platformon

Autonomous driving cycle modeling, simulation and validation on 1:10 scale vehicle model platform

Authors

  • FERENCZ Csanád
  • ZÖLDY Máté

Keywords:

autonomous vehicles, traffic-sign detection, lane detection and tracking,, testing, validation, /, autonóm járművek, sávfelismerés és sávkövetés, táblafelismerés, tesztelés, validálás

Abstract

In the present research paper, the authors provide a comprehensive overview about the R&D possibilities and processes in the field of autonomous vehicle testing and validation, an exhaustive investigation concerning an autonomous vehicle driving cycle, by developing not only camera-based traffic sign and lane markings detection and tracking algorithms, but also the implementation and simulation of these, as well as the verification and validation procedures on a 1:10 scale vehicle model platform, realizing and reproducing thus a complete embedded system development life cycle.

Kivonat

Jelen kutatási cikkben a szerzők átfogó áttekintést nyújtanak az autonóm járművek tesztelése és validálása területén végzett K + F lehetőségekről és folyamatokról, autonóm jármű menetciklusra vonatkozó kimerítő vizsgálatról, nemcsak a kamerán alapuló táblafelismerési, illetve sávfelismerési és sávkövetési algoritmusok fejlesztése, hanem ezek implementálása és szimulációja, valamint az ellenőrzési és validálási eljárások által 1:10 méretarányú járműmodell-platformon egyaránt, megvalósítva és reprodukálva ezáltal egy teljes beágyazott rendszer-fejlesztési életciklust.

References

Aradi Sz., Bécsi T., Gáspár P. Experimental Vehicle Development for Testing Autonomous Vehicle Functions. 10th International Conference on Mechatronic & Embedded Systems & Applications (MESA), 2014, 1-5.

Ferencz Cs., Zöldy M. Körforgalmi szituáció szimulációja és validálása rádióvezérlésű (RC) autonóm járművek segítségével. 28th International Conference on Mechanical Engineering – OGÉT, 28, 2020, 206 - 210.

Németh H., Háry A., Szalay Zs., Tihanyi V., Tóth B. Proving Ground Test Scenarios in Mixed Virtual and Real Environment for Highly Automated Driving. Mobilität in Zeiten der Veränderung, Springer, 2019, 198-210.

Ramesh J., Rangachar K., Brian G. S. Machine Vision, McGraw-Hill, Inc., USA, 1995.

*** Advanced Lane Finding Using Sliding Window Search. The world's leading software development platform - GitHub, https://github.com/charleswongzx/Advanced-Lane-Lines (Utolsó letöltés: 27.01.2021).

*** Competition Regulations 2019. Bosch Future Mobility - The Challenge, https://www.boschfuturemobility.com/uploads/Competition_Regulations_2019.pdf (Utolsó letöltés: 20.02.2021).

*** Lane Detection Using Hough Transform. The world's leading software development platform - GitHub, https://github.com/karasuno7/Lane-Detection-using- Hough-Transform (Utolsó letöltés: 01.02.2021).

*** Tutorial: Build a lane detector. Towards Data Science, https://towardsdatascience.com/tutorial-build-a-lane-detector-679fd8953132 (Utolsó letöltés: 20.02.2021).

Downloads

Published

2021-04-20

How to Cite

[1]
Csanád, F. and Máté, Z. 2021. Autonóm menetciklus-modellezés, -szimuláció és -validálás 1:10-es méretarányú járműmodell-platformon: Autonomous driving cycle modeling, simulation and validation on 1:10 scale vehicle model platform. Nemzetközi Gépészeti Konferencia – OGÉT. 29, (Apr. 2021), 208–212.

Issue

Section

E. szekció – Járműgépészet