Autonom körning i realtid
Publicerad
Författare
Typ
Examensarbete på kandidatnivå
Program
Modellbyggare
Tidskriftstitel
ISSN
Volymtitel
Utgivare
Sammanfattning
Artificiell intelligens gör utvecklingen av autonom körning både effektiv och simpel. Att med
hjälp av en kamera samla in data har visat sig ge tillräckligt mycket information för att en bil
självständigt ska kunna följa en markerad linje. Då artificiell intelligens har ett brett
användningsområde uppstår det problem om att veta vilka artificiella nätverk som passar bäst
till ändamålet. Syftet med det här projektet var att analysera hur olika nätverk och
datamängder påverkar körningen för att slutligen välja ut den kombination som bäst kunde
köra runt en markerad bana på kortast träningstid. Bilen som användes var en JetRacer
utrustad med en NVIDIA Jetson Nano enkortsdator. De olika nätverken tränades på bilder
tagna ifrån bilens kamera för att sedan styra JetRacerns gaspådrag samt svängaxel. Då
körningen skedde i realtid var det viktigt att nätverket kördes lokalt på enkortsdatorn för att
minimera risken av fördröjningar då data skickas mellan enheter. Efter att ha jämfört fyra
olika nätverk var det ResNet-18 som var mest effektiv på minst mängd data och klarade
därför att köra framåt, vänster, höger samt stanna vid hinder runt en bana. Detta arbete
utfördes som ett komplementerande projekt åt företaget Knightecs tidigare examensarbete
inom utveckling av självkörande fordon. Som en förbättring för framtida projekt hade det
varit intressant att utrusta bilen med en hastighetssensor som möjliggör körning i låga
hastigheter.