DeltaMap - Livslångt och automatiskt underhåll av HD-kartor
- Diarienummer
- ID22-0045
- Projektledare
- Jensfelt, Patric
- Start- och slutdatum
- 230101-271231
- Beviljat belopp
- 2 500 000 kr
- Förvaltande organisation
- KTH - Royal Institute of Technology
- Forskningsområde
- Informations-, kommunikations- och systemteknik
Summary
DeltaMap presenterar ett sätt att minska tiden det tar att uppdatera HD-kartorna som de flesta nuvarande autonoma fordon förlitar sig på för säker drift. Anpassade kartfordon och tung efterbearbetning behövs för att skapa HD-kartorna. Vår kärnidé är att vi kan använda sensorerna på vanliga autonoma fordon för att validera HD-kartor, upptäcka säkerhetskritiska förändringar och generera beslutsstöd och data baserat på vilka HD-kartuppdateringar kan underlättas. De huvudsakliga vetenskapliga målen är att undersöka metoder för förändringsdetektering och robust kartläggning med hjälp av kommersiella fordonssensorer och metoder för att automatiskt validera HD-kartor och hjälpa till med att uppdatera dem. Arbetsplanen definieras av en uppsättning milstolpar som definierar gradvis mer kompletta versioner av det föreslagna systemet. Med tanke på problemets komplexitet kommer det att vara viktigt att tidigt identifiera utmaningar utöver dem som är lätta att förutse i förväg och därför kommer det första steget att vara ett proof-of-concept-system. Detta kommer också att ge doktoranden möjlighet att bekanta sig med alla delar av systemet. Vi planerar för två fullständiga ytterligare iterationer. Det mellanliggande systemet har lättat på många av de initiala antagandena men fungerar offline och med mindre uppmärksamhet på beräkningskostnad. Det förväntade slutresultatet skulle vara ett system som fungerar online och förslag på processen kan automatiseras ytterligare.
Populärvetenskaplig beskrivning
DeltaMap presenterar ett sätt att minska tiden det tar att uppdatera kartorna som de flesta nuvarande autonoma fordon förlitar sig på för säker drift. Specialutrustade karteringsfordon och tung efterbearbetning behövs för att skapa dessa kartor. Vår kärnidé är att vi kan använda de enklare sensorerna som sitter på vanliga autonoma fordon för att validera kartor, upptäcka säkerhetskritiska förändringar och generera beslutsstöd och data baserat på vilka kartuppdateringar kan underlättas. Dessa fordon kör naturligt genom miljön och den extra kostanden att låta dem sköta denna uppgift är förhållandevis lågt men värdet det tillför väldigt högt. Arbetsplanen definieras av en uppsättning milstolpar som definierar gradvis mer kompletta versioner av det föreslagna systemet. Med tanke på problemets komplexitet kommer det att vara viktigt att tidigt identifiera utmaningar utöver dem som är lätta att förutse i förväg och därför kommer det första steget att vara ett proof-of-concept-system. Detta kommer också att ge doktoranden möjlighet att bekanta sig med alla delar av systemet. Vi planerar för två fullständiga ytterligare iterationer. Det mellanliggande systemet har lättat på många av de initiala antagandena men fungerar offline och med mindre uppmärksamhet på beräkningskostnad. Det förväntade slutresultatet skulle vara ett system som fungerar online och förslag på processen kan automatiseras ytterligare.