MODELLAZIONE, STIMA E CONTROLLO DI VEICOLI IN SCALA COMPLETAMENTE AUTONOMI

Autonomous driving is a rapidly evolving technology in recent decades, whose ultimate goal is the complete replacement of the human driver with an automated driving system which, based on a combination of sensors, actuators and software, ensures safer and more reliable driving . Despite the progress that has been made, there are still many technical, as well as legal, challenges to overcome before autonomous driving becomes a reality on a large scale. This thesis work focused on the study and implementation of autonomous driving algorithms. In particular, mathematical models have been developed capable of representing the longitudinal and lateral dynamics of the vehicle with the parametric estimation of some fundamental variables, and finally non-linear Kalman filters with data fusion have been developed to improve the position measurement of the vehicle. The implemented models have provided excellent results both for the estimation of some initially unknown parameters, such as, for example, the engine and vehicle tire stiffness constants, and for the estimation of the position using Kalman filters which have allowed us to neglect possible anomalous measures through time-varying covariance matrices. All tests were produced experimentally in the laboratory using a real prototype of a fully autonomous scale vehicle (i.e., the QCar produced by Quanser).

La guida autonoma è una tecnologia in rapida evoluzione negli ultimi decenni, il cui obiettivo finale è la completa sostituzione del conducente umano con un sistema di guida automatizzato che, basandosi su una combinazione di sensori, attuatori e software, garantisca una guida più sicura e affidabile. Nonostante i progressi compiuti, ci sono ancora molte sfide tecniche, oltre che legali, da superare prima che la guida autonoma diventi una realtà su larga scala. Il presente lavoro di tesi si è focalizzato sullo studio ed implementazione di algoritmi di guida autonoma. In particolare, sono stati sviluppati modelli matematici in grado di rappresentare la dinamica longitudinale e laterale del veicolo con la stima parametrica di alcune variabili fondamentali, ed infine sono stati messi a punto dei filtri non lineari di Kalman con data fusion per migliorare la misura di posizione del veicolo. I modelli implementati hanno fornito dei risultati eccellenti sia per la stima di alcuni parametri inizialmente non noti, come ad esempio, le costanti del motore e di rigidezza degli pneumatici del veicolo, sia per la stima della posizione tramite filtri di Kalman che hanno permesso di trascurare eventuali misure anomale attraverso matrici di covarianza tempo varianti. Tutte le prove sono state effettuate sperimentalmente in laboratorio utilizzando un prototipo reale di veicolo in scala completamente autonomo (i.e., la QCar prodotta dalla Quanser).