Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Development of a reference software platform for the Velodyne VLP-16 LiDARS
KTH, School of Information and Communication Technology (ICT).
2016 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesis
Abstract [en]

Recent advancements in sensor technologies have paved the way towards the realization of autonomous vehicles. The choice of sensors used in such vehicles plays a pivotal role in their successful operation under different conditions. The sensors used in the current generation semi-autonomous vehicles provide a reliable performance for normal use cases. However, their reliability significantly reduces for extreme use cases due to their sensing limitations such as, poor sensitivity to certain materials, limited range, restricted field of view (blind spots), and so on. Hence, a deeper understanding of the limitations of these sensors is required to characterize the sensor specifications required for future fully autonomous vehicles.

This thesis work focuses on developing a reference software platform that captures the ground truth required for benchmarking the sensors used in current generation semi-autonomous vehicles. A modular, scalable software framework for the reference software platform called, LiDAR Software Platform is proposed, and four functions, namely point cloud fusion, point cloud mapping, point cloud obstacle detection, and point cloud map obstacle detection, based on the proposed framework are developed. The platform is developed using state-of-the-art Velodyne VLP-16 3D LiDARS (Light Detection and Ranging), the Robot Operating System (ROS), and the Point Cloud Library (PCL).

A novel approach for improving the density of the point clouds by fusing the data from two Velodyne VLP-16 LiDARS is proposed, and successfully implemented, and a high density 3D point cloud map of the environment with centimeter accuracy is generated. Finally, the minimum point cloud density required for a robust detection of an obstacle at 50 meters from the truck is determined.

Abstract [sv]

Nya framsteg inom sensorteknologi har banat väg för förverkligande av autonoma fordon. Valet av sensorer som används i sådana fordon spelar en viktig roll i deras framgångsrika verksamhet under olika förhållanden. De sensorer som används i den nuvarande generationen halvautonoma fordon ger en tillförlitlig prestanda för normala användningsfall. Men deras tillförlitlighet minskar avsevärt under extrema användningsfall på grund av deras avkännande begränsningar såsom dålig känslighet för vissa material, begränsat område, begränsat synfält (blinda fläckar), och så vidare. Därför är en djupare förståelse av begränsningarna av dessa sensorer som krävs för att karakterisera sensor specifikationer som krävs för framtida helt autonoma fordon.

Denna avhandling fokuserar på att utveckla en referensmjukvaruplattform som fångar marken sanningen som krävs för benchmarking de sensorer som används i nuvarande generationens halvautonoma fordon. En modulär och skalbar ram programvara för referensmjukvaruplattform kallas, LiDAR Software Platform är föreslås, och fyra funktioner, nämligen punktmoln fusion, punktmoln kartläggning, punktmoln hinderdetektering och punktmoln karta hinderdetektering, baserat på den föreslagna ramen är tagit fram. Plattformen är utvecklad med hjälp av toppmodern Velodyne VLP-16 3D LiDARS (Light Detection and Ranging), Robot Operating System (ROS), och Point cloud Library (PCL).

En ny metod för att förbättra tätheten av punktmoln genom sammansmältning data från två Velodyne VLP-16 LiDARS är föreslås och framgångsrikt genomförts och en hög densitet 3D punktmoln karta över miljön med centimeternoggrannhet är genereras. Slutligen, det minimum punktmoln täthet som krävs för en robust detektering av ett hinder på 50 meter från lastbilen är bestämd.

Place, publisher, year, edition, pages
2016. , p. 71
Series
TRITA-ICT-EX ; 2016:154
National Category
Computer and Information Sciences
Identifiers
URN: urn:nbn:se:kth:diva-206080OAI: oai:DiVA.org:kth-206080DiVA, id: diva2:1091123
External cooperation
Scania AB
Subject / course
Computer Science
Educational program
Master of Science - Embedded Systems
Supervisors
Examiners
Available from: 2017-04-26 Created: 2017-04-26 Last updated: 2018-01-13Bibliographically approved

Open Access in DiVA

fulltext(20551 kB)1722 downloads
File information
File name FULLTEXT01.pdfFile size 20551 kBChecksum SHA-512
a0520c965966ef042113a31a99f0074b2bd93c2e203e8dbf3ddc33f8faf98eddf5de51de44df86c3fdbe2bad7e7f783ce715bcb7984bd50a0e4d0ffb781761f8
Type fulltextMimetype application/pdf

By organisation
School of Information and Communication Technology (ICT)
Computer and Information Sciences

Search outside of DiVA

GoogleGoogle Scholar
Total: 1722 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 5288 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf