Metodi di fusione dei dati per sistemi di assistenza alla guida

Abstract

Questo documento riporta tutta l'attivit a svolta durante il corso di dottora- to riguardo lo studio, l'applicazione e la sperimentazione di metodi di Data Fusion nell'ambito dei sistemi avanzati di assistenza alla guida per il miglio- ramento delle prestazioni e dell'a dabilit a. In linea di principio, sembra ra- gionevole a ermare che combinando in modo ottimale le informazioni proveni- enti da pi u sensori e possibile progettare e realizzare un sistema meno sensibile alle variazioni ambientali e a possibili errori di misura dovuti alla presenza di outliers. Tuttavia, dal punto di vista pratico i costi aggiuntivi che si devono sostenere, sia in termini di hardware necessario alla raccolta dei dati dai sen- sori addizionali che per la necessit a di disporre di sistemi di calcolo pi u potenti, potrebbero non essere giusti cati se i miglioramenti ottenuti nelle situazioni pi u probabili e pi u realistiche di utilizzo sono modesti. Il presente documento o re, innanzitutto, una panoramica su vari algoritmi di visione arti ciale utilizzati per il riconoscimento della segnaletica orizzon- tale e per la stima del tempo di invasione (tTLC). Quest'ultimo parametro gioca un ruolo determinante nell'avvertimento tempestivo del conducente in caso di superamento dei limiti della carreggiata. I vari algoritmi sono stati testati in varie condizioni di guida, valutandone le prestazioni conseguibili e il carico computazionale richiesto. Segue un'analisi dello stato dell'arte dei metodi e delle tecniche di Data Fu- sion pi u promettenti e che che meglio si prestano a migliorare l'accuratezza del calcolo della stima del tempo di invasione ttlc grazie alla disponibilit a di altri sensori oltre alla telecamera. Speci catamente, si sono confrontati i vari meto- di e algoritmi di Data Fusion, particolarizzati rispetto a vari modelli matem- atici della vettura e ai sensori disponibili, valutando le loro prestazioni in situ- azioni tipiche di guida e soprattutto rispetto all'errore percentuale di stima del tempo di invasione ttlc ottenuto, valutando anche il carico computazionale corrispondente. Gli algoritmi pi u promettenti sono stati implementati su piattaforma embedded.Questo documento riporta tutta l'attivit a svolta durante il corso di dottora- to riguardo lo studio, l'applicazione e la sperimentazione di metodi di Data Fusion nell'ambito dei sistemi avanzati di assistenza alla guida per il miglio- ramento delle prestazioni e dell'a dabilit a. In linea di principio, sembra ra- gionevole a ermare che combinando in modo ottimale le informazioni proveni- enti da pi u sensori e possibile progettare e realizzare un sistema meno sensibile alle variazioni ambientali e a possibili errori di misura dovuti alla presenza di outliers. Tuttavia, dal punto di vista pratico i costi aggiuntivi che si devono sostenere, sia in termini di hardware necessario alla raccolta dei dati dai sen- sori addizionali che per la necessit a di disporre di sistemi di calcolo pi u potenti, potrebbero non essere giusti cati se i miglioramenti ottenuti nelle situazioni pi u probabili e pi u realistiche di utilizzo sono modesti. Il presente documento o re, innanzitutto, una panoramica su vari algoritmi di visione arti ciale utilizzati per il riconoscimento della segnaletica orizzon- tale e per la stima del tempo di invasione (tTLC). Quest'ultimo parametro gioca un ruolo determinante nell'avvertimento tempestivo del conducente in caso di superamento dei limiti della carreggiata. I vari algoritmi sono stati testati in varie condizioni di guida, valutandone le prestazioni conseguibili e il carico computazionale richiesto. Segue un'analisi dello stato dell'arte dei metodi e delle tecniche di Data Fu- sion pi u promettenti e che che meglio si prestano a migliorare l'accuratezza del calcolo della stima del tempo di invasione ttlc grazie alla disponibilit a di altri sensori oltre alla telecamera. Speci catamente, si sono confrontati i vari meto- di e algoritmi di Data Fusion, particolarizzati rispetto a vari modelli matem- atici della vettura e ai sensori disponibili, valutando le loro prestazioni in situ- azioni tipiche di guida e soprattutto rispetto all'errore percentuale di stima del tempo di invasione ttlc ottenuto, valutando anche il carico computazionale corrispondente. Gli algoritmi pi u promettenti sono stati implementati su piattaforma embedded.