Radarsensorer tar självkörande bilar genom dimma och snö

– Fördelen med radar är att den fungerar i alla väder och ser igenom rök och damm, säger Daniel Adolfsson, doktorand i datavetenskap vid Örebro universitet.

Med hans nya metod kan en självkörande bil, som har åkt 100 meter, bestämma var den har färdats med en noggrannhet på en meter. Det är en förbättring av radarsensorernas positioneringssystem med en meter.

– Det är ett stort framsteg att minska felmarginalen från två till en procent. Metoden är både väldigt snabb och noggrann vilket krävs om självkörande robotar ska fungera säkert i samspelet med människor och andra robotar, säger Daniel Adolfsson.

Radarsensorer kan se genom rök, damm och dimma

Idag navigerar självkörande fordon oftast med hjälp av lasersensorer. Med den nya metoden närmar sig radarpositionering den noggrannhet som kan uppnås med laser.

Det innebär att radarsensorer kan ersätta lasersensorer på de fordon som behöver kunna köra även vid dålig sikt, eftersom radarsensorer har förmågan att se genom rök, damm och dimma.

– Att vi har förbättrat radarsensorers noggrannhet kan leda till att självkörande fordon klarar av att köra säkert i alla väderförhållanden. Ett annat användningsområde är bygg- och gruvindustrin där självkörande arbetsmaskiner ska kunna fungera i miljöer med mycket damm.

Självkörande robotar kan kartlägga omgivningen

Med hjälp av radarsensorer blir det nu också möjligt för självkörande robotar att framställa sina egna kartor – en viktig pusselbit för att kunna skapa pålitliga robotar som är medvetna om sin omgivning. Kartorna är också viktiga för att självkörande robotar ska kunna kommunicera med varandra.

– Målet är att skapa kartor som dessa robotar kan förstå och positionera sig i, endast med hjälp av radarsensorer, säger Daniel Adolfsson.

Inom ramen för projektet undersöker han även hur fel kan undvikas när robotar kartlägger sin omgivning.

– Till slut kommer det att uppstå vissa fel. Det viktiga är att vi skapar robusta system som kan upptäcka och korrigera fel när de inträffar.

Algoritmer som påverkar navigering

Studien redovisar också vilka delar av algoritmen som egentligen påverkar noggrannheten vid positionering.

– Vi har studerat varje del av vår algoritm för att förstå exakt hur stor påverkan de olika delarna har på positionsnoggrannheten. Den kunskapen kan underlätta för andra forskare när de skapar liknande algoritmer, säger Daniel Adolfsson.

Studie:

Lidar-Level Localization With Radar? The CFEAR Approach to Accurate, Fast, and Robust Large-Scale Radar Odometry in Diverse Environments, Transactions on Robotics.