Genom snö och dimma med självkörande fordon – ny forskning gör radarnavigeringen säker

Optiska sensorer som kamera och laser behöver fri sikt för att självkörande bilar ska kunna navigera. Men nu har forskare vid Örebro universitet lyckats förbättra noggrannheten hos radarsensorer vid navigering till den grad att de kan användas i självkörande bilar – något som öppnar upp för säker körning oavsett väder.
– 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 den nya metoden kan en självkörande bil, som har åkt 100 meter, bestämma var den har färdats med 1 meters noggrannhet. 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.

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.

Skapa kartor – en viktig pusselbit

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 sitt doktorandprojekt undersöker han även hur man kan undvika att det sker fel 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.

Kunskap om vad som påverkar navigering

Forskarnas nya metod för radarnavigering är publicerad i den vetenskapliga tidskriften Transactions on Robotics. Där har de också redovisat 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 positionsnoggranheten. Den kunskapen kan underlätta för andra forskare när de skapar liknande algoritmer.

 Länk till artikeln: Lidar-Level Localization With Radar? The CFEAR Approach to Accurate, Fast, and Robust Large-Scale Radar Odometry in Diverse Environments