Design, Implementation and Validation of sensor fusion algorithms for State Estimation in autonomous racing cars. Project Formula Student UPV

Abstract

[ES] Tras un periodo de 7 años compitiendo en la categoría de combustión, el Formula Student de la Universitat Politécnica de Valéncia, el equipo FSUPV, ha desarrollado un monoplaza completamente autónomo para competir en la categoría Driverless. Este nuevo reto implica el desarrollo de todo el sistema, desde los algoritmos de percepción, que permiten un reconocimiento del entorno, hasta el control de los diferentes actuadores. Una de las líneas principales del proyecto es el diseño de un algoritmo que arroje el rendimiento requerido dentro de las estimaciones de estado, considerando como entradas la combinación óptima entre los datos en crudo disponibles de sensores inerciales, gps y de velocidad de rueda. Por tanto, será necesario realizar un estudio de los diferentes algoritmos de estimación de estado, para posteriormente desarrollar el código en ROS, un entorno de trabajo que comunica y coordina los diferentes subsistemas del vehículo, y posteriormente validar el correcto funcionamiento de la alternativa elegida. con una configuración de antena RTK dual. Con los datos de la pista de prueba, se ajustará el comportamiento de los estados mediante algoritmos genéticos, pudiendo así optimizar las diferentes matrices de filtrado, con el objetivo de lograr el rendimiento requerido.

[EN] After a 7 year period competing in the combustion category, the Formula Student from the Universitat Politécnica de Valéncia, the FSUPV team, has developed a completely autonomous single-seater to compete in the Driverless category. This new challenge entails the development of the entire system, from the perception algorithms, which allows an environment recognisition, to the control of the different actuators. One of the main lines of the proyect is the design of an algorithm that yields the required performance within the state estimations, considering as inputs the optimal combination between the available raw data from inertial, gps and wheelspeed sensors. Therefore, it will be necessary to carry out a study of the different state estimation algorithms,to subsequently develop the code in ROS, a work environment that communicates and coordinates the different subsystems of the vehicle, and later validate the correct functioning of the chosen alternative with a dual RTK antenna setup. With test track data, the states behaviour will be tuned by means of genetic algoritms, being able to optimize in this way the different filter matrices, with the objective of accomplishing the required performance.

[CA] Després de huit anys competint en la categoria de combustió, el Formula Student de la Universitat Politècnica de València, l’equip FSUPV, ha desenrotllat un monoplaça completament autònom per a competir en la categoria Driverless. Este nou repte implica el disseny, implementació i validació de tot el sistema autònom, des dels algoritmes de percepció, que permeten el reconeixement de l’entorn, fins al control dels diferents actuadors. Una de les línies principals del projecte és el disseny d’un algoritme que proporcione el rendiment de localització requerit dins de les estimacions d’estat, considerant com a entrades la combinació òptima entre les dades brutes disponibles de sensors inerciales, gps i de velocitat de roda. Per tant, serà necessari dissenyar primer un filtre de Kalman com a principal, però no únic, algoritme de fusió de sensors, per a posteriorment desenrotllar el codi en ROS, un entorn de treball que comunica i coordina els diferents subsistemes del vehicle, i posteriorment validar el funcionament correcte de l’alternativa triada amb una configuració d’antena RTK. Amb les dades de la pista de prova, s’ajustarà el comportament dels estats per mitjà de transformades wavelet i algoritmes genètics, podent així optimitzar les diferents matrius de filtrat, amb l’objectiu d’aconseguir el rendiment requerit.