id,collection,dc.contributor.author,dc.contributor.firstReferee,dc.contributor.furtherReferee,dc.contributor.gender,dc.date.accepted,dc.date.accessioned,dc.date.available,dc.date.issued,dc.description.abstract[de],dc.description.abstract[en],dc.format.extent,dc.identifier.uri,dc.identifier.urn,dc.language,dc.rights.uri,dc.subject.ddc,dc.subject[en],dc.title,dc.title.translated[de],dc.type,dcterms.accessRights.dnb,dcterms.accessRights.openaire,dcterms.accessRights.proquest,dcterms.format,refubium.affiliation "c6232459-0e79-445c-a661-924701cc7c07","fub188/14","Boroujeni, Zahra","Rojas, Raul","Burkhard, Hans-Dieter","female","2020-08-27","2020-10-19T10:26:53Z","2020-10-19T10:26:53Z","2020","Die Trajektorienplanung ist ein wesentlicher Bestandteil autonomer Fahrsysteme. Sie wurde in den letzten Dekaden für verschiedene Roboter intensiv erforscht. Die Anwesenheit menschlicher Fahrgäste in autonomen Fahrzeugen schafft jedoch zusätzliche Herausforderungen, weil in einem hochdynamischen Umfeld auch Sicherheit und Komfort der Fährgäste berücksichtigt werden müssen. In dieser Arbeit werden neue Methoden der lokalen Trajektorienplanung entwickelt, um eine sichere, zeitoptimale und komfortable Fahrt für die Passagiere zu gewährleisten. In dieser Arbeit werden drei verschiedene Methoden zur Trajektorienplanung vorgeschlagen. Für jede von ihnen gelten folgende Anforderungen: 1) die Bahn muss durch Aktuatoren des Autos abfahrbar sein und 2) sie muss eine sichere und komfortable Fahrt für die Passagiere garantieren. Hierfür werden zunächst die Kinematik und Dynamik des Fahrzeugs für die Steuerung der Aktuatoren modelliert. Die zweite Voraussetzung ist die Systemidentifizierung, die das Sammeln der erforderlichen Daten zur Festlegung der Systemeinschränkungen umfasst. Die erste vorgeschlagene Methode ist ein reaktives Verfahren, das auf strukturierten Straßenkarten mit Referenzpfaden arbeitet. Die Geschwindigkeiten an den Stützpunkte der Trajektorie werden basierend auf der Straßenkrümmung, den Verkehrsregeln und den Entfernungen zu Hindernissen begrenzt. Ein neuer Algorithmus wurde entwickelt, um das Geschwindigkeitsprofil unter Berücksichtigung der Ruck- und Beschleunigungsbeschränkungen zu glätten. Im zweiten Ansatz der Trajektorienplanung ermöglicht ein neuer künstlicher Kraftvektor in drei Dimensionen (Längs- und Querposition sowie Geschwindigkeit) dem autonomen Fahrzeug, einem bestimmten Pfad zu folgen. Das Vektorfeld wird basierend auf der Entfernung vom Pfad und der Fahrzeuggeschwindigkeit erstellt. Es wird lokal durch das Vorhandensein von Hindernissen verändert. Der dritte Ansatz für die Trajektorienplanung, Flexible Unit A∗ (FU-A∗), ist ein neuer modifizierter baumbasierter Suchalgorithmus im dreidimensionalen Raum (Längs- und Querposition sowie Zeit), in welchem auch Spurwechselentscheidungen berücksichtigt werden. Der Energieverbrauch, die Zeitdauer und die Verschiebung sind in die Kostenfunktion des Algorithmus integriert. Diese Kombination aus Entscheidungsfindung für den Spurwechsel und Verfolgung des Referenzpfades ist eine der Innovationen dieser Arbeit. Die Machbarkeit und Zuverlässigkeit der entworfenen Methoden werden durch Simulationen und die Implementierung auf den autonomen Fahrzeugen der Freien Universität validiert.","This thesis presents novel local trajectory planning methods to provide a safe, time optimal, and comfortable passenger ride. Trajectory planning is an essential part of autonomous driving systems, which has been extensively studied for robots during the past few decades. Providing passenger comfort, especially when working within a highly dynamic environment, makes the trajectory planning problem more challenging. Based on the autonomous car situations, three different trajectory planning methods are proposed. The first method is a reactive trajectory planning which works in structured road maps with reference paths. The trajectory speed points are limited based on the road curvature, the traffic rules, and the distances to obstacles. A new algorithm is developed to smooth the speed profile considering the jerk and acceleration constraints. The jerk constraint is defined to provide passengers with a comfortable ride. The acceleration is limited based on the vehicle model and passenger comfort. The vehicle model is determined using the system identification. This approach is suitable for driving in urban areas with dynamic environments in which the obstacle speed changes frequently and the ego car trajectory must react to obstacles while avoiding instant braking or accelerating. In the second trajectory planning approach, a new artificial force vector in three dimensions (longitudinal and lateral position, and speed) allows the autonomous car to follow aspecific path. The vector field is created based on distance from the path and the car speed. It is locally modified by presence of obstacles. By switching between two different vector fields, the vehicle can change a lane or follow another path. The vector field approach is suitable for complicated paths with low traffic such as parking lots. The third trajectory planning approach, Flexible Unit A∗ (FU-A∗), is a new modified tree-based search algorithm in 3-dimensional space (longitudinal and lateral position, and time) in which lane-changing decision is also considered. The energy consumption, time duration, and displacement are integrated in the cost function of the algorithm. This combining of decision-making for lane-changing and following the reference path is one of this thesis’ innovations. The feasibility and reliability of the designed methods are validated through several simulations and implementation on Freie University autonomous cars.","ix, 116 Seiten","https://refubium.fu-berlin.de/handle/fub188/28476||http://dx.doi.org/10.17169/refubium-28225","urn:nbn:de:kobv:188-refubium-28476-8","eng","http://www.fu-berlin.de/sites/refubium/rechtliches/Nutzungsbedingungen","000 Computer science, information, and general works::000 Computer Science, knowledge, systems::000 Computer science, information, and general works","Trajectory planning||Dijkstra/A* search algorithm||Potential field method||Double S trajectory||Spline||Speed/acceleration/jerk","Local Trajectory Planning for Autonomous Driving","Lokale Trajektorieplanung für Autonomes Fahren","Dissertation","free","open access","accept","Text","Mathematik und Informatik"