ok-IMPLEMENTATION OF DRIVING ASSISTANCE SYSTEMS USING af pt

Prévia do material em texto

Implementação de sistemas de assistência à condução utilizando
Plataforma baseada em LabVIEW
1Átila Trohak, Janos Vegh 2 3Gergely Kovacs, Zs6fia Forgacs 4
Departamento de Automação e Infocomunicação
Tecnologias
Universidade de Miskolc
Aluno do Departamento de Automação e Informação
tecnologias de comunicação
Universidade de Miskolc
Hungria Hungria
1trohak.attila@uni-miskolc.hu , j .vegh @ uni-miskolc.hu 2 3kovacs.gergeIy17@gmail.com , forgacs.zso@gmail.com 4
Resumo-esteO artigo é focado no sistema de assistência ao motorista baseado no NI 
CompactRIO, que foi desenvolvido por uma equipe de estudantes da Universidade de Miskolc. 
Dentro de uma competição de três anos organizada pela Bosch, as equipes precisam 
implementar sistemas de assistência ao motorista em um kart. O artigo descreve nosso sistema 
após o segundo ano da competição e apresenta a unidade de controle que selecionamos para o 
desenvolvimento.
plataforma da National Instruments que atende completamente aos nossos 
requisitos. O design compacto e robusto do CompactRIO oferece segurança 
mecânica para os componentes internos. O NI cRIO-9031 foi classificado para faixa 
de temperatura operacional de -40°C a 70°C, choque operacional de 50 g e 
vibração de 10 Hz - 500 Hz. Além disso, o controlador do dispositivo contém 
sistema operacional em tempo real que nos permite desenvolver códigos críticos 
de tempo.
Palavras-chave-CompactRIO; FPGA; Sistemas de tempo real; sistemas de assistência ao 
condutor; Comunicação CAN
EU. INTRODUÇÃO
Hoje em dia começou a surgir um grande interesse pelo desenvolvimento de 
sistemas inteligentes de assistência à condução. Muitas funções podem ajudar o 
motorista, como estacionamento automático, controle de cruzeiro, manutenção de 
faixa e mudança de faixa. [1-4] Em 2013, a Bosch anunciou uma competição de 3 
anos chamada "Go-Kart, Go-Bosch", onde a Universidade de Miskolc participa com 
uma equipe. No primeiro ano a tarefa principal foi fazer modificações no kart para 
deixá-lo encontrar um lugar de estacionamento e fazer um estacionamento 
paralelo sem motorista. Neste ano tivemos que estender a funcionalidade 
automática com frenagem preditiva, controle de cruzeiro e manutenção de faixa. 
Em nosso artigo apresentamos nosso sistema de controle, descrevemos as razões 
pelas quais escolhemos o controlador usado e mostramos nossa solução em 
detalhes.
FIGO. 1. NI CompactRIO 9031
Outra vantagem desta plataforma é a velocidade que está disponível como 
resultado da reconfiguração do chassi do dispositivo que contém um chip FPGA 
Kintex-7. Aprender e usar uma linguagem de descrição de hardware (HDL) que os 
sistemas baseados em FPGA geralmente exigem pode ser um processo demorado. 
Com o LabVIEW FPGA não temos que conhecer a fundo sobre HDLs, o ambiente de 
desenvolvimento gráfico de alto nível mencionado acima nos poupa tempo e 
esforço.
II. AUNIDADE DE CONTROLE
Não poderíamos ignorar tanto os efeitos físicos externos quanto os fatores 
importantes das ferramentas de desenvolvimento de software através da seleção 
de nossa unidade de controle. Os impactos mecânicos que afetam o kart, como 
vibrações ou colisões, o estresse térmico e os problemas surgem principalmente 
no exterior, os parâmetros ambientais exigem uma plataforma industrial. Os 
sistemas de assistência ao motorista são sistemas críticos de segurança
- o tempo de resposta das chamadas do sistema deve ser determinístico. Então, ao 
selecionar nosso controlador, tivemos que escolher um dispositivo onde 
tivéssemos a capacidade de desenvolver um sistema em tempo real. A gestão do 
tempo era absolutamente necessária durante a competição. Tempos 
relativamente curtos foram fornecidos para as tarefas, portanto, um ambiente de 
desenvolvimento de alto nível oferece uma grande vantagem para nós, se 
construirmos um aplicativo em muito menos tempo do que o tempo gasto usando 
uma linguagem de programação de nível inferior. Depois de considerar os 
requisitos mencionados acima, tomamos uma decisão. Escolhemos o CompactRIO 
baseado em LabVIEW
A. Controlador em tempo real
O módulo LabVIEW Real-Time combina a programação gráfica do LabVIEW 
com o poder de um sistema operacional de tempo real, permitindo construir 
aplicações determinísticas em tempo real. A National Instruments projetou o 
módulo LabVIEW Real-Time para executar Vis em três sistemas operacionais de 
tempo real diferentes. O módulo LabVIEW Real-Time pode executar Vis em alvos 
de hardware executando o sistema operacional em tempo real do NI Embedded 
Tool Suite (ETS), Wind River VxWorks ou NI Linux Real-Time. [5]
978-1-4799-7370-5 / 15 / $ 31,00 © 2015IEEE 548
Uso licenciado autorizado limitado a: UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL. Baixado em 05 de março de 2022 às 14:53:35 UTC do IEEE Xplore. Restrições aplicadas.
Traduzido do Africâner para o Português - www.onlinedoctranslator.com
https://www.onlinedoctranslator.com/pt/?utm_source=onlinedoctranslator&utm_medium=pdf&utm_campaign=attribution
FIGO. 2. Ferramentas de desenvolvimento em tempo real
Escolhemos o sistema operacional Linux Real-Time porque ele oferece uma 
ampla gama de oportunidades para conectar outros dispositivos ao nosso sistema. 
O NI Linux Real-Time contém interface de usuário incorporada e Mini OisplayPort 
para usar uma IHM local.
FIGO. 3. Modelo 3D do kart
A. Estacionamento paralelo
O estacionamento paralelo automático significa que, se apertarmos um 
botão, o kart deve começar a avançar e mapear seu ambiente com seus sensores 
ultrassônicos. Se encontrou um lugar de estacionamento adequado, tem de poder 
estacionar. A Bosch nos deu um sistema de sensor ultrassônico com 12 sensores, 
mas a unidade central foi enviada com uma funcionalidade reduzida. O sistema 
nos fornece a distância em centímetros de cada canal. Dá a menor distância do 
sensor e funciona na área de 60 ° vertical e 120 ° horizontal. A sobreposição e 
triangulação do sinal do sensor foi desabilitada, então tivemos que encontrar a 
maneira mais fácil de trabalhar com isso. Para encontrar o espaço de 
estacionamento adequado, usamos o sensor frontal direito para medir o 
comprimento do espaço livre. Depois de encontrar o local, temos que avançar um 
pouco até medir a distância necessária para começar a manobrar e reverter. A 
medição do comprimento é baseada na contagem das bordas ascendentes dos 
sensores indutivos colocados nos eixos traseiros. Como conhecemos as 
características de direção fizemos um algoritmo paramétrico para estacionamento. 
A Figura 4 mostra nosso acionamento de direção que é acionado por um motor de 
limpador.
B.LaboratórioVISUALIZARFPGA
Os componentes básicos de um sistema LabVIEW FPGA são:
o módulo LabVIEW FPGA, o driver NI-
RIO,
e um dispositivo NI-RIO, também conhecido como alvo RIO.
•
•
•
O módulo LabVIEW FPGA permite que o LabVIEW direcione FPGAs em 
hardware NI Reconfigurable I/O (RIO) para que cientistas e engenheiros possam 
aproveitar o desempenho e a flexibilidade dos FPGAs sem a necessidade de 
aprender ferramentas de projeto de baixo nível. O módulo LabVIEW FPGA compila 
o LabVIEW VI para hardware FPGA, o código gráfico é traduzido para código VHDL 
baseado em texto. Em seguida, as ferramentas do compilador Xilinx sintetizam o 
código VHOL em uma realização de circuito de hardware do projeto LabVIEW. O 
resultado final é um arquivo de bits que é carregado no chip FPGA antes de 
executar o aplicativo. [6]
III.FUNÇÕES IMPLEMENTADAS
Nossa tarefa era implementar funções inteligentes em um kart, como 
estacionamento paralelo automático, freio de emergência preditivo, controle de 
cruzeiro adaptativo e manutenção de faixa. Para atingir esses objetivos, tivemos 
que reconstruir o kart fornecido pelo organizador da competição. A Figura 3. 
mostra a construção completa do veículo desenvolvido. Tivemos que fazer muitas 
modificações para obter um kart controlável eletronicamente. Essas modificações 
são as seguintes:
sensor eletrônico de posição do pedal do acelerador,•
• regulaçãoeletrônica da válvula borboleta, sistema de 
freio eletro-hidráulico,
direção eletrônica,
reversão eletrônica com BLOC, acionamento 
híbrido com motor de partida,
partida eletrônica do motor de combustão interna, integração de um 
sistema de radar,
integração de um sistema de câmeras de manutenção de 
linha, integrando um sistema de sensores ultrassônicos.
•
•
•
• FIGO. 4. A direção do kart
•
Continuamos medindo as distâncias para que, se algo acontecer ou a traseira 
do kart se aproximar do carro traseiro, possamos parar imediatamente. 
Consideramos importante implementar outro algoritmo que mantenha o veículo 
em linha reta e
•
•
•
2015 16ª Conferência Internacional de Controle dos Cárpatos (ICCC) 549
Uso licenciado autorizado limitado a: UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL. Baixado em 05 de março de 2022 às 14:53:35 UTC do IEEE Xplore. Restrições aplicadas.
em uma distância definida dos objetos próximos ao kart. Com esta função nosso 
sistema tem a capacidade de corrigir a imprecisão mecânica do sistema de direção 
e iniciar a manobra de estacionamento da posição correta. Implementamos esta 
função com controle PID devido à simplicidade e confiabilidade desta regulação. 
Foi fácil implementar este algoritmo, pois a paleta LabVIEW PID e Fuzzy Logic 
Toolkit nos forneceu a função de controle que tínhamos que usar, então só 
tivemos que configurar o PID vi como a função necessária.
faixa de tráfego entre as linhas, tanto na estrada reta quanto na curva. 
Considerando as experiências dos usuários, onde os sistemas de assistência à 
manutenção de faixa já instalados muitas vezes moviam o veículo linha a linha na 
faixa de tráfego, tivemos que desenvolver um plano para evitar essa falha. 
Evitamos esta falha através de um controle PID devidamente ajustado, com o 
resultado de que o sistema regula menos e o kart se move mais reto. As 
perturbações causadas pelas luzes também são uma fonte potencial de erros. 
Contra essa possível falha usamos lentes com filtros polarizadores e uma camada 
fosca na área abaixo da lente. Com esta solução nosso sistema detecta as linhas de 
tráfego com alta confiança.
B.Assistência de estacionamento na zona de origem
Durante a função de estacionamento na zona de origem, o veículo autônomo 
chega ao local de estacionamento usando uma trajetória pré-aprendida. Durante o 
processo de ensino nosso sistema gera o mapa virtual do ambiente. O kart vai da 
posição de partida pré-definida até o estacionamento e compensa a imprecisão 
mínima da posição de partida usando os sensores ultrassônicos. Durante os 
processos de ensino e estacionamento, o kart conta também com um sistema de 
sensor de orientação, que foi integrado à nossa rede CAN através de um gateway 
CAN de alta velocidade. Utilizando o mapa virtual e a posição inicial o sistema de 
estacionamento determina a posição do lugar de estacionamento e realiza a 
manobra de estacionamento de acordo com o algoritmo descrito anteriormente.
D.Controle de cruzeiro adaptativo
Pela função de controle de cruzeiro adaptativo (ACC), distinguimos duas 
maneiras diferentes. [no primeiro caso, se não houver alvo antes do nosso veículo, 
o sistema deve manter uma velocidade definida pelo motorista. [no segundo caso, 
se um objeto em movimento vai antes do kart com velocidade menor que o nosso 
veículo, então temos que manter a velocidade do alvo à nossa frente. [no caso em 
que não há alvo à nossa frente, regulamos a velocidade com um simples controle 
PID. Mas, se nossa tarefa não é apenas manter a velocidade definida pelo 
motorista, mas também um controle de cruzeiro que mantém a velocidade do alvo 
antes, temos que aplicar uma regulação que sobrescreva o valor de velocidade 
ajustado definido pelo motorista certamente sob um velocidade máxima. A equipe 
organizadora nos forneceu um Mid-Range Radar (MRR) para esta função, que nos 
envia os seguintes dados através da comunicação CAN:
• a distância e a velocidade relativa de um objeto na pista vizinha 
esquerda,
a distância e a velocidade relativa de um objeto na pista vizinha direita,
a distância e a velocidade relativa de um objeto à nossa frente em 
nossa pista,
a distância e a velocidade relativa de um objeto parado diante de nós 
em nossa pista.
•
•
•
Os dados sobre o objeto parado serão relevantes durante a implementação do 
sistema preditivo de frenagem de emergência. A Figura 6. mostra o inversor que 
foi regulado pelo controle PID.
FIGO. 5. Arquitetura do sistema do sensor de orientação
C. Assistência de manutenção de faixa
Escolhemos o mesmo tipo de regulação para assistência de manutenção de 
faixa e controle de cruzeiro adaptativo durante o desenvolvimento. A Bosch 
disponibilizou para nós uma câmera multifuncional (MPC) para implementar o 
sistema de assistência na faixa de rodagem. A câmera pode detectar vários 
objetos, mas no nosso caso ela envia dados apenas sobre as linhas das pistas. [t 
envia a distância da câmera das duas linhas da direita e das duas linhas da 
esquerda da nossa própria faixa e das faixas de tráfego paralelas, o grau de 
curvatura das linhas e alguns outros dados que são irrelevantes para nós. De 
acordo com os requisitos para esta função, o kart deve deslocar-se na
FIGO. 6. Modelo 3D da unidade
2015 16ª Conferência Internacional de Controle dos Cárpatos (ICCC) 550
Uso licenciado autorizado limitado a: UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL. Baixado em 05 de março de 2022 às 14:53:35 UTC do IEEE Xplore. Restrições aplicadas.
E.Sistema de frenagem de emergência preditivo Módulo de comunicação CAN, que permite construir duas redes separadas para 
poder desenvolver posteriormente um sistema mais modular. Portanto, nossa 
escolha foi o Módulo CAN de alta velocidade de 2 portas NI 9853 para 
CompactRIO, que pode lidar com IDs de arbitragem padrão (1 bits) e estendidas 
(29 bits). [7-10]
O requisito definido do sistema de frenagem preditiva de emergência é o 
seguinte: ele deve frear mais tarde do que uma pessoa com experiência de 
condução média (normalmente 1-1,3 s desde a detecção do perigo até a ação 
preventiva), mas a tempo de ser capaz de parar o veículo com segurança. Com 
isso, oferecemos uma oportunidade para o motorista reagir e frear, mas se ele não 
frear dentro de um limite de tempo seguro, o sistema de frenagem de emergência 
tem que reagir. Para atingir este objetivo, temos que determinar com precisão a 
velocidade do kart, o que realizamos usando os dois sensores indutivos colocados 
nos eixos traseiros.
Em nossa segunda rede CAN que opera em uma velocidade diferente 
colocamos um módulo desenvolvido por nós que é colocado no volante. Com este 
módulo podemos ativar as diferentes funções inteligentes e o piloto pode obter 
um feedback sobre o estado do kart.
V.RECONHECIMENTO
Esta pesquisa foi (parcialmente) realizada no âmbito do Centro de Excelência 
em Mecatrônica e Logística da Universidade de Misko1c.
VI.RESUMO
Desenvolvemos um sistema complexo de assistência ao driver usando a 
plataforma CompactRIO baseada em LabVIEW e os dispositivos inteligentes 
fornecidos pela Bosch. Escolhemos a unidade de controle da National Instruments 
devido à sua fácil instalação, conectividade, escalabilidade e facilidade de 
configuração. Ao desenvolver um sistema modular temos a possibilidade de 
modificar o projeto de forma flexível durante o processo de desenvolvimento. As 
plataformas da NI são altamente compatíveis com outros sistemas que podem 
reduzir o tempo de desenvolvimento.
FIGO. 7. Cálculo da distância de frenagem
Fechamos o primeiro ano com sucesso. Nossa equipe foi a vencedora 
absoluta da competição e também conquistamos o primeiro prêmio na categoria 
de melhor solução técnica.4.COMUNICAÇÃO
Como foi escrito acima, as funções de manutenção de faixa, estacionamento 
paralelo automático, controle de cruzeiro adaptativo e frenagem de emergência 
preditiva foram implementadas usando três dispositivos diferentes. Esses 
dispositivos estão se comunicando em uma rede de área de controlede alta 
velocidade (CAN), como mostra a Figura 8. O Claus-box é um gateway CAN de alta 
velocidade programável e o ParkPilot ECU é a unidade de controle dos sensores 
ultrassônicos.
REFERÊNCIAS
[I] BRANDON SCHOETTLE, MICHAEL SIVAK: SEGURANÇA VIÁRIA COM VEÍCULOS 
AUTÓNOMOS: LIMITAÇÕES GERAIS E COMPARTILHAMENTO VIÁRIO COM 
VEÍCULOS CONVENCIONAIS, Relatório No. UMTRI-2015-2, janeiro de 2015., 
Michigan, EUA
[2] BRANDON SCHOETTLE, MICHAEL SIVAK: IMPACTO POTENCIAL DE VEÍCULOS 
AUTÓNOMOS NA DEMANDA E USO DE VEÍCULOS DOMÉSTICOS, Relatório No. 
UMTRl-201S-3, fevereiro de 2015., Michigan, EUA
[3] Litman, Todd: Previsões de Implementação de Veículos Autônomos: Implicações para 
Planejamento de Transportes, Transportation Research Board 94th Annual 
Meeting, 2015., Washington DC, Estados Unidos
[4] Pedido de Patente dos Estados Unidos 20150012167: DISPOSITIVO DE CONTROLE 
PARA UM VEÍCULO TERRESTRE AUTÔNOMO
[5] Instrumentos Nacionais: Manual do Curso LabVTEW Real-Time I, setembro de 2012.
[6] Instrumentos Nacionais: Manual do Curso LabVIEW FPGA, agosto de 2012.
[7] Ajtonyi,1º:Ipari Kommunikaci6s Rendszerek1.AUT-INFO Kft. , Miskolc, 2008. Dezembro, 
431 p., ISBN: 978-963-06-5813-3, HU ISSN: 1789-5456
[8] Padrão J1939
[9] Altila Trohak, Bela liles, Zoltan Bir6: Algoritmos de Filtro de Mensagem CAN para 
Diagnóstico Remoto de Veículos, Mecânica Aplicada e Materiais Vol.309 (2013) 
pp213-220, doi:
10.4028 / www.scientific.net/AMM.309. 213
FIGO. 8. Estrutura do primeiro sistema de comunicação CAN [10] S2. Trohak, A., Kolozsi-T6th, M., Radi, P., Mehes, L., Bir6, Z.: O desenvolvimento de um 
sistema de diagnóstico remoto para veículos, Advanced Logistic Systems Volume 
5., HU ISSN 1789-2198, 2011, pág. 216-220Para
controlador e os dispositivos acima mencionados, exigimos um High-Speed
construção umaPOSSO comunicação entre nosso
2015 16ª Conferência Internacional de Controle dos Cárpatos (ICCC) 551
Uso licenciado autorizado limitado a: UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL. Baixado em 05 de março de 2022 às 14:53:35 UTC do IEEE Xplore. Restrições aplicadas.