SDE Systementwicklung SoSe26: Bildbasierte Spurführung für autonomes Fahren

Aus HSHL Mechatronik
Zur Navigation springen Zur Suche springen
Abb. 1: Ergebnis der Spurerkennung des AlphaBots
Abb. 2: Ergebnisdarstellung der AlphaBot Fahrt
Autoren: Julius von Agris, Jonas von Döllen & Tim Nicklas Gleisenberg
Dozent: Prof. Dr.-Ing. Schneider
Modul Mechatronik, Systementwicklung (Wahlpflichtprofil „Systems Design Engineering“), Sommersemester
Modulbezeichnung: MTR-B-2-6.11
Modulverantwortung: Ulrich Schneider
Lehrveranstaltung: Praktikum Systementwurf
Sprint 1: Bildbasierte Spurführung für autonomes Fahren
Zeit: Mittwoch, 08:15 - 10:30 Uhr, Selbstlernzeit: TBD
Ort: Labor L3.3-E01-180 (Autonome Systeme)

Einleitung

Die Fahrbahn wurde vollständig vermessen und liegt als digitale Karte vor (vgl. Abb. 1, 2). Die Position des Prismas kann während der Fahrt gemessen und in die Referenzkarte eingezeichnet werden. Aufgabe dieses Sprints einen Autonomen Mobilen Roboter (AMR) via Kamera und Spurerkennung in der rechten Fahrspur geregelt zu fahren, diese Fahrt zu vermessen und in die Karte zu übertragen.

Tabelle 1: Anforderung an die Spurverfolgung mit Kamera
Req. Beschreibung Priorität
1 Ein AMR muss autonom mittig in der rechten Fahrspur fahren. 1
2 Als Referenzmessystem kommt die Topcon Robotic Total Station zum Einsatz. 1
3 Der AMR muss die Fahrbahndaten via Kamera (Pixy2.1) auswerten, um der Fahrspur zu folgen. 1
4 Die Referenzwerte müssen mit MATLAB® aufgezeichnet werden (x, y, Ψ). 1
5 Messfehler müssen geeignet gefiltert werden. 1
6 Die zweidimensionale digitale Karte mit der Roboterpose während der Fahrt muss als MATLAB®-Datei (.mat) bereitgestellt werden. 1
7 Das Vorgehen muss am KANBAN-Board geplant und verfolgt werden. 1
8 Lösungsweg und Lösung muss in diesem Wiki-Artikel dokumentiert werden. 1
9 Als AMR muss ein AlphaBot eingesetzt werden. 1
10 Als Software für die Regelung muss MATLAB®/Simulink eingesetzt werden. 1
11 Die Gierrate muss gemessen, gefiltert und verwendet werden, um die Spurregelung geeignet zu stützen. 1
12 Der Regler muss für eine Fahrt bis zur Maximalgeschwindigkeit ausgelegt werden. 1


Tabelle 2: Arbeitspakete für den Sprint
AP Beschreibung Req. Zuständigkeit
1.1 Spurerkennung mit der Pixy2.1 3, 5, 9 Gleisenberg
1.2 Messung und Verarbeitung der Gierrate 5, 11 von Agris
1.3 Längeregelung 1 von Döllen
1.4 Querregelung 1 von Döllen
1.5 Messung der Roboterposition mittels Topcon Robotic Total Station 2, 4, 5 Gleisenberg
1.6 Schätzung der Roboterpose [x,y,Ψ] 1 von Döllen
1.7 Einzeichnen der Messwerte in die digitale Karte und Speicherung der Karte als Rundkurs.mat 6 von Agris
1.8 Überarbeitung/Verbesserung des Artikels Referenzmessung mit der Topcon Robotic Total Station 8 Gleisenberg

Vorbereitung

Wichtig für die Spurverfolgung mit Kamera sind die Lichtverhältnisse. Für die geregelte Fahrt mit dem AlphaBot ist es notwendig die Lichtverhältnisse wie in den Abbildungen 4 und 5 dargestellt zu gewährleisten. Die oberen beiden Lichttaster müssen betätigt sein und die innenliegenden Rolläden müssen unten sein.

  • Abb. 4: Lichtschalter
    Abb. 4: Lichtschalter
  • Abb. 5: Innenliegende Rolläden
    Abb. 5: Innenliegende Rolläden

Planung (Plan)

Ziel-Zustand

Der AlphaBot soll autonom in der rechten Fahrbahn fahren, indem die Außenlinie durch die Linienerkennung der Pixy 2.1 erkannt und darauf geregelt wird. Parallel dazu soll die Position des AlphaBot mit der Topcon-Station gemessen, gefiltert, gespeichert und in den Rundkurs eingezeichnet werden.

GanttChart

Arbeitspakete wurden in einem GanttChart überführt. Die Farben stehen für den jeweiligen Arbeitspaketverantwortlichen.

Tim Nicklas Gleichsenberg = rote Blöcke
Julius von Agris = grüne Blöcke
Jonas von Döllen = blaue Blöcke

Abb. : GanttChart für den ersten Sprint

Umsetzung (Do)

Test und Dokumentation (Check)

Systemtest gegen die Anforderungen

Tabelle 3: Systemtest gegen die Anforderungen
Req. Beschreibung Testergebnis
1 Ein AMR muss autonom mittig in der rechten Fahrspur fahren. x
2 Als Referenzmessystem kommt die Topcon Robotic Total Station zum Einsatz. ✓
3 Der AMR muss die Fahrbahndaten via Kamera (Pixy2.1) auswerten, um der Fahrspur zu folgen. x
4 Die Referenzwerte müssen mit MATLAB® aufgezeichnet werden (x, y, Ψ). ✓
5 Messfehler müssen geeignet gefiltert werden. x
6 Die zweidimensionale digitale Karte mit der Roboterpose während der Fahrt muss als MATLAB®-Datei (.mat) bereitgestellt werden. ✓
7 Das Vorgehen muss am KANBAN-Board geplant und verfolgt werden. ✓
8 Lösungsweg und Lösung muss in diesem Wiki-Artikel dokumentiert werden. ✓
9 Als AMR muss ein AlphaBot eingesetzt werden. ✓
10 Als Software für die Regelung muss MATLAB®/Simulink eingesetzt werden. ✓
11 Die Gierrate muss gemessen, gefiltert und verwendet werden, um die Spurregelung geeignet zu stützen. x
12 Der Regler muss für eine Fahrt bis zur Maximalgeschwindigkeit ausgelegt werden. x

✓: erfüllt
x: nicht erfüllt

Fehlerbehebung (Act)

Tabelle 3: Sprint-Review - Optimierungsansätze
Req. Ergebnis Optimierung
1 Ein AMR muss autonom mittig in der rechten Fahrspur fahren.
  • Vorgängerprojekt unzureichend dokumentiert
  • Anforderung zukünftig reviewen als Zwischenmeilenstein
  • Anspruchsvoll die Theorie in die Praxis umzusetzen
  • Zeitpuffer einplanen
  • Eingangssignale zuerst prüfen
2 Als Referenzmessystem kommt die Topcon Robotic Total Station zum Einsatz. Persönliche Einweisung war sehr gut.
3 Der AMR muss die Fahrbahndaten via Kamera (Pixy2.1) auswerten, um der Fahrspur zu folgen.
  • Eingangsdaten prüfen
  • Perspektiventransformation
  • Dokumentation und Sicherung der Kameraeinstellungen
  • Kamerahalterung muss neu robust gestaltet werden.
  • Einsatz einer Weitwinkellinse
  • Beide AlphaBot müssen technisch identisch sein.
4 Die Referenzwerte müssen mit MATLAB® aufgezeichnet werden (x, y, Ψ). Dokumentation der Theorie
5 Messfehler müssen geeignet gefiltert werden.
  • Wifi-Einbindung des Arduino R4 (Demo, Daten an Simulink übertragen, Monitor & Tune)
  • Zukünftig im Team die Anforderungen an die Schnittstellen besprechen.
6 Die zweidimensionale digitale Karte mit der Roboterpose während der Fahrt muss als MATLAB®-Datei (.mat) bereitgestellt werden.
7 Das Vorgehen muss am KANBAN-Board geplant und verfolgt werden.
  • erfolgreich
  • Zukünftig Swim Lanes am Whiteboard einführen
  • Magneten zur Befestigung der Aufgaben
  • Review Spalte ergänzen
8 Lösungsweg und Lösung muss in diesem Wiki-Artikel dokumentiert werden.
9 Als AMR muss ein AlphaBot eingesetzt werden.
10 Als Software für die Regelung muss MATLAB®/Simulink eingesetzt werden.
11 Die Gierrate muss gemessen, gefiltert und verwendet werden, um die Surregelung geeignet zu stützen.
12 Der Regler muss für eine Fahrt bis zur Maximalgeschwindigkeit ausgelegt werden.

Zusammenfassung

  • Die Theorie aus verschiedensten Vorlesungen konnte in der Praxis umgesetzt werden.
  • Fehlende Erfolge sind teilweise unzureichender Planung geschuldet.
  • Das ist aber nicht negativ zu werten, denn der Weg ist das Ziel.
  • Wir üben im Praktikum den PDCA-Zyklus umzusetzen. Nicht alles eingeschlagenen Wege führen zum Ziel.
  • Wir üben den systematischen Systementwicklung und die kontinuierliche Verbesserung.

Ausblick - Planung für das Wintersemester 2026/27

  • Bearbeitung derselben Anforderungen (s. Tabelle 1).
  • Gemeinsame Planung und Aufstellung der Anforderungen.
  • Fokus auf Eingangswerte filtern, Reglerauslegung und Testverfahren
  • Geregelte Fahrt in der rechten Spur mit dem AlphaBot
  • Praktikum Multisensorsysteme: Objekterkennung mit LiDAR
  • Praktikum Multisensorsysteme: Spurerkennung mit Kamera via MATLAB®

Anhang

Nützliche Links

SVN-Arbeitsverzeichnis

https://svn.hshl.de/svn/MTR_SDE_Praktikum/trunk/Software/AlphaBot/

Bereitgestellte Module

Tabelle 4: Übersicht der Modultests
# Modul Funktion Testbericht Testergebnis
1 starteAlphaBotMapping.m Live-Mapping des Prisma Testbericht ✓
2 leseReferenzpunkte.m Einlesen der Referenzpunkte Testbericht ✓
3 KosTrafoTzuWelt.m Koordinatentransformation Topcon- → Welt-KOS Testbericht ✓
4 empfangePrismaPosition.m Bluetooth-Empfang der Messwerte der Topcon Station Testbericht ✓
5 KalmanFilter.m Kalma-Filter zur Schätzung Testbericht ✓
6 SpurRegelungAlphaBot.slx → Subsystem Wertevergleich Querregelung als Simulink Modell Testbericht ✓
7 SpurRegelungAlphaBot.slx → Subsystem PID-Regler PID-Regler als Simulink Subsystem Testbericht ✓
8 Rundkurs.mat Digitale Karte (linke, mittlere und rechte Fahrspur)
9 zeichneRundkurs.m Demo zur Darstellung von Rundkurs.mat


→ Anforderungen: SDE Praktikum Systementwurf SoSe2026
→ zurück zum Artikel: SDE-Team 2026/27

Abgerufen von „https://wiki.hshl.de/wiki/index.php?title=SDE_Systementwicklung_SoSe26:_Bildbasierte_Spurführung_für_autonomes_Fahren&oldid=150590“