Pianificazione globale e locale per la macchina ZOE

Abstract

Negli ultimi anni abbiamo assistito a un notevole incremento nello sviluppo di veicoli a guida autonoma capaci di muoversi senza assistenza umana. La ricerca volta a sviluppare questi veicoli mira a potenziarne la capacità di navigare in modo indipendente, evitare ostacoli e pianificare la traiettoria. In questo contesto, i compiti fondamentali di pianificazione del percorso e di evitamento degli ostacoli emergono come componenti cruciali nella ricerca di sistemi di guida autonoma più sicuri e affidabili. La pianificazione globale del percorso determina l’itinerario complessivo che il veicolo deve seguire da una posizione iniziale a una specifica destinazione. Al contrario, la pianificazione locale del percorso si concentra sulla capacità del veicolo di seguire il percorso globale evitando gli ostacoli grazie ai dati in tempo reale forniti dai sensori. Questi sistemi dipendono principalmente da rappresentazioni cartografiche precise e dettagliate, come le mappe semantiche che includono informazioni contestuali sulle leggi del traffico e la segnaletica stradale, e le mappe ad alta definizione con precisione al centimetro. Un importante framework open-source in questo ambito è lo stack Navigation2 di ROS2 (Robot Operating System 2), che offre un approccio flessibile e modulare alla navigazione autonoma con componenti per la pianificazione del percorso e la localizzazione. Questo lavoro presenta una panoramica completa della pianificazione globale e locale del percorso, della rappresentazione delle mappe per i sistemi di navigazione autonoma e dello stack Navigation2 di ROS2. Inoltre, approfondisce il lavoro da me svolto durante il mio tirocinio presso l’LS2N (Laboratoire des Sciences du Numérique de Nantes).

Over the past few years, we have witnessed a significant rise in the development of self-driving vehicles that can navigate without human assistance. Research on developing these vehicles intends to enhance their ability to navigate independently, avoid obstacles, and plan their trajectory. Within this context, the critical tasks of path planning and obstacle avoidance emerge as important components in in the quest for safer and more reliable autonomous driving systems. Global path planning determines overall route for the vehicle to navigate from a given starting position to a specific goal pose. On the other hand, local path planning focuses on the ability of the vehicle to achieve it global path while avoiding obstacles by relying on real-time data from sensor ratings. These systems mainly depend on precise and comprehensive map representations, such as semantic maps that include contextual information about traffic laws and road signs and high-definition maps with centimeter-level accuracy. An important open-source framework in this area is the Navigation2 stack from ROS2 (Robot Operating System 2), which provides a flexible and modular approach to autonomous navigation with components for path planning and localization. This work presents a comprehensive overview of global and local path planning, map representation for autonomous navigation systems, and the Navigation2 stack from ROS2. It also dives into my work during my internship at LS2N (Laboratoire des Sciences du Numérique de Nantes).