Resumen de Vehículo autónomo a escala para el seguimiento de marcas viales de carretera

Jorge de Castro Casares, Eduardo Zalama Casanova, Eusebio de la Fuente López, Jaime Gómez García-Bermejo

• español

  En este artículo se presenta el desarrollo de un vehículo a escala que permite su conducción autónoma mediante el auto guiado a través de la detección de las marcas viales de la carretera. El vehículo se basa en un modelo de radiocontrol modificado al que se le ha añadido una cámara para la detección de marcas viales y semáforos, y un láser lidar para la detección de obstáculos. Además, incluye un procesador Odroid con sistema base Linux Ubuntu y ROS (Robot Operation System) para el control de alto nivel, y un microcontrolador Arduino para el control de los motores. El sistema de control está basado en el modelo de arquitectura Subsumption en el que se incluyen tres módulos con diferentes niveles de prioridad. El seguimiento de marcas viales utiliza un algoritmo RANSAC para la detección de rectas y un sistema de control PID. El sistema de control incluye la detección de obstáculos y maniobras de adelantamiento, y la detección de semáforos. La arquitectura propuesta ha sido verificada en la edición 2017 de la Seat Autonomous Driving Challenge alcanzando la primera posición.

• English

  This article presents the development of a vehicle at scale that allows autonomous driving by self-guided through the detection of road signs. The vehicle is based on a modified radio control model with a camera for the detection of road signs and traffic lights, and a lidar laser for obstacle detection. It also includes an Odroid processor with Ubuntu Linux base system and ROS (Robot Operation System) for high level control, and an Arduino microcontroller for motor control. The control system is based on the Subsumption architecture model, which includes three modules with different priority levels. The tracking of road markings uses a RANSAC algorithm for the detection of straight lines and a PID control system. The control system includes the detection of obstacles and maneuvers, and the detection of traffic lights. The proposed architecture has been verified in the 2017 edition of the Seat Autonomous Driving Challenge reaching the first position.