Estimation techniques for ADAS and autonomous driving systems

Advanced Driving Assistance Systems (ADAS) and autonomous driving are among the most investigated and promising technologies of automotive research. ADAS automate and adapt vehicle technology to improve driving performance and safety. Self driving cars have the potential to reshape the mobility framework reducing traffic congestion, cutting CO2 emissions, facilitating transportation accessibility and, most importantly, increasing passengers safety. The development and implementation of such applications require an accurate and real time knowledge of the vehicle state variables. Cutting-edge sensors can now directly measure specific variables which provide a better understanding of the vehicle behavior thus leading the design of improved control systems. However, advanced sensors are not always industrially viable off-the-shelf solutions. They sometimes lack reliability in specific driving conditions and may be too expensive to be part of stock sensor suites of low-medium class vehicles. This research addresses open topics in vehicle states estimation field to overcome the limitations of the actual solutions. To tackle the issue of expensive advanced sensors we propose cost effective solutions based only on vehicle stock measurements. To increase sensors reliability, we present sensors fusion techniques of measurements from advanced and stock sensors achieving accurate and robust estimation. All the presented approaches are validated through experimental data and tested as constitutive elements of advanced driver assistance and autonomous driving systems which, when needed, are specifically designed. Four lines of development are investigated covering both Powered Four Wheelers (P4W) and Powered Two Wheelers (P2W) sectors. Sideslip angle and friction estimation are two of the faced topics being declined both in P4W and P2W areas. We start dealing with sideslip angle and friction estimation for four wheeled vehicles through the development of a hybrid kinematic–dynamic state observer robust to sudden friction variations. The algorithm is validated through experimental campaign on a full electric vehicle. A planning strategy for autonomous evasive maneuver is designed to take the most out of the friction estimation and proved its potentiality in simulation. Taking inspiration from P4W we, then, address the still growing environment of sideslip estimation for motorcycle designing a hybrid kinematic-dynamic sideslip angle state observer which represents a complete novelty for two wheeled applications. The observer prove its robustness on two different motorcycle architectures. Back to P4W we deal with another harsh car slippage phenomenon represented by hydroplaning. In this third line of investigation we estimate the onset of hydroplaning through detection algorithms which exploits vehicle signals effect based methods and advanced smart tire footprint monitoring techniques. The estimated hydroplaning level is the key input to the innovative hydroplaning driving assistance control system designed to specifically assist the driver in dangerous hydroplaning conditions. Finally, we propose a vehicle localization and state estimation sensor fusion algorithm for autonomous racing applications. A multi-rate Extended Kalman Filter (EKF) merges Inertial Navigation System (INS) and highprecision positioning from double antenna Real Time Kinematics (RTK)- Global Navigation Satellite System (GNSS) to achieve accurate, smooth and high-rate vehicle 3D positioning and vehicle state estimation. High speed tests performed with a fully autonomous racing car validate the observer.

I sistemi evoluti di assistenza alla guida (ADAS) e le tecniche di guida autonoma si presentano come fra le più promettenti e studiate tecnologie nell’ambito della ricerca automotive. Compito degli ADAS è di automatizzare e conformare la tecnologia con cui il veicolo è equipaggiato al fine di migliorarne sicurezza e prestazioni. Le vetture a guida autonoma possiedono il potenziale per poter ridefinire le basi ed i principi della mobilità attraverso la decongestione del traffico, la riduzione delle emissioni di CO2, la miglior accessibilità al servizio di trasporto e, maggiormente, il significativo miglioramento della sicurezza dei passeggeri. Lo sviluppo e la realizzazione di tali applicazioni prevede la disponibilità precisa ed in tempo reale dei valori relativi alle variabili di stato del veicolo. Sensori innovativi ed all’avanguardia sono ora in grado di misurare specifiche variabili che garantiscono una miglior comprensione del comportamento del veicolo consentendo il progetto di sistemi di controllo più evoluti. Tali sensori innovativi non sono, tuttavia, sempre delle soluzioni adottabili a livello di produzione industriale di serie. Possono presentare, a volte, carenze di affidabilità in determinate situazioni di guida ed avere costi troppo elevati per essere inclusi nelle forniture di serie di veicoli di classe medio-bassa. Questo studio affronta alcuni temi aperti nel campo della stima delle variabili di stato nei veicoli al fine di risolvere le limitazioni delle soluzioni correnti. Per contrastare il problema dell’alto costo dei sensori più innovativi, vengono proposte soluzioni economicamente vantaggiose che si basano esclusivamente su misure derivate dalla sensoristica standard del veicolo. Per migliorare l’affidabilità dei sensori avanzati, vengono presentate tecniche di stima che combinano le misure di questi ultimi con quelle di sensori di serie per ottenere una stima accurata e robusta. Tutti gli approcci trattati sono validati sperimentalmente e utilizzati come parti costitutive di sistemi di assistenza alla guida e di guida autonoma che sono, dove necessario, specificamente progettati. Vengono indagate quattro linee di sviluppo che interessano sia il settore delle quattro come quello delle due ruote. La stima dell’angolo di deriva e dell’attrito sono due dei temi affrontati in entrambe le aree. Si inizia con il trattare queste stime nell’ambito delle quattro ruote attraverso lo sviluppo di un osservatore ibrido cinematico-dinamico robusto a repentini variazioni di attrito. L’algoritmo è stato validato sperimentalmente per mezzo di un veicolo a trazione integrale elettrica. È stato inoltre progettato e testato in simulazione un algoritmo di pianificazione di manovre di evitamento dell’ostacolo che sfrutti al meglio la stima dell’attrito. Prendendo spunto dall’ambito quattro ruote, è stato poi affrontato il tema di stima dell’angolo di deriva anche per i veicoli a due ruote. In particolare è stato progettato un osservatore ibrido cinematico-dinamico che rappresenta un’assoluta novità in questo campo e si è dimostrato robusto in test svolti con due diverse architetture di moto. Di nuovo a livello quattro ruote, viene studiato l’aquaplaning: altra importante causa di fenomeni di slittamento e instabilità del veicolo. In questa terza linea di studio viene riconosciuto l’incorrere di aquaplaning attraverso algoritmi di rilevazione che sfruttano metodi basati su segnali veicolo e tecniche di monitoraggio dell’impronta implementate attraverso pneumatici sensorizzati. La stima del livello di aquaplaning è il dato chiave in input al sistema di controllo per assistenza alla guida specificamente progettato per aiutare il conducente in condizioni pericolose di aquaplaning. Infine, viene proposto un algoritmo di localizzazione 3D e stima dello stato del veicolo sviluppato per gare di veicoli a guida autonoma. Un filtro di Kalman esteso multi frequenza si combina con un sistema di navigazione inerziale ed un sistema di posizionamento ad alta precisione basato su GNSS (Global Navigation Satellite System) doppia antenna con correzione RTK (Real Time Kinematics) per ottenere un posizionamento tridimensionale ed una stima dello stato del veicolo accurati. Prove ad alta velocità effettuate con auto da corsa a guida autonoma hanno validato l’osservatore.