Autonomes Fahren im Maßstab 1:10 - Versionsgeschichte

Christian Sievers: /* Vorschläge für Fortsetzung des Projekts */

2020-02-29T20:35:46Z

Vorschläge für Fortsetzung des Projekts

← Nächstältere Version		Version vom 29. Februar 2020, 22:35 Uhr
Zeile 584:		Zeile 584:
	== Vorschläge für Fortsetzung des Projekts ==		== Vorschläge für Fortsetzung des Projekts ==
	- Modul Fernsteuerung betriebsbereit bringen		- Modul Fernsteuerung betriebsbereit bringen

	- Software für Kameratracking mit Fahrspurerkennung erweitern		- Software für Kameratracking mit Fahrspurerkennung erweitern

	- Anschluss von Ultraschall, Lidar oder Radar mit dem Sensor und Auswertung der Daten.		- Anschluss von Ultraschall, Lidar oder Radar mit dem Sensor und Auswertung der Daten.

	- Optimierung der Detektion durch das Kameramodul mit Partikelfilter oder Kalmanfilter, sowie dynamischen Korrekturfaktoren.		- Optimierung der Detektion durch das Kameramodul mit Partikelfilter oder Kalmanfilter, sowie dynamischen Korrekturfaktoren.

	- Verbesserung des Logikmoduls auf neue Funktionen wie Labyrinth verlassen, Ball suchen, etc.		- Verbesserung des Logikmoduls auf neue Funktionen wie Labyrinth verlassen, Ball suchen, etc.

	- Verwenden der I2C Platine zum sparen von Raspberry Pi Anschlusspins.		- Verwenden der I2C Platine zum sparen von Raspberry Pi Anschlusspins.

Christian Sievers: /* Kurzzusammenfassung und Ausblick */

2020-02-29T20:35:28Z

Kurzzusammenfassung und Ausblick

← Nächstältere Version		Version vom 29. Februar 2020, 22:35 Uhr
Zeile 581:		Zeile 581:

	Rückblickend hat das Projekt eine sehr gute Brücke über alle Disziplinen des Masterstudiengangs BSE geschlagen und praktisch abgerundet.		Rückblickend hat das Projekt eine sehr gute Brücke über alle Disziplinen des Masterstudiengangs BSE geschlagen und praktisch abgerundet.

			== Vorschläge für Fortsetzung des Projekts ==
			- Modul Fernsteuerung betriebsbereit bringen
			- Software für Kameratracking mit Fahrspurerkennung erweitern
			- Anschluss von Ultraschall, Lidar oder Radar mit dem Sensor und Auswertung der Daten.
			- Optimierung der Detektion durch das Kameramodul mit Partikelfilter oder Kalmanfilter, sowie dynamischen Korrekturfaktoren.
			- Verbesserung des Logikmoduls auf neue Funktionen wie Labyrinth verlassen, Ball suchen, etc.
			- Verwenden der I2C Platine zum sparen von Raspberry Pi Anschlusspins.

	== Weblinks ==		== Weblinks ==

Christian Sievers: /* Getting Started */

2020-02-29T20:29:20Z

Getting Started

@@ Zeile 56: / Zeile 56: @@
 * Für die Entwicklung steht ein Bausatz "SunFounder Raspberry Pi Smart Video Car Kit V2.0" zur Verfügung.
 * Lastenheft und [[Projekt_27:_Carolo-Cup|Projektdaten der Vorgängen]] in [https://svn.hshl.de/svn/Elektrotechnik_Fachpraktikum/trunk/Projekte/27_Carolo-Cup/ SVN]
 == Bausatz ==

Christian Sievers: /* Integrationstests C-Muster */

2020-02-21T13:10:36Z

Integrationstests C-Muster

← Nächstältere Version		Version vom 21. Februar 2020, 15:10 Uhr
Zeile 534:		Zeile 534:
	Als Parameter für das optimierte Verhalten dienen dabei:		Als Parameter für das optimierte Verhalten dienen dabei:

	'''Der Treshold des Kameramoduls im Logikmodul: Ermitteltes Optimum = 50'''		'''- Der Treshold des Kameramoduls im Logikmodul: Ermitteltes Optimum = 50'''

	'''Die Lookuptable für das Geschwindigkeitsverhalten des Antribs'''		'''- Die Lookuptable für das Geschwindigkeitsverhalten des Antribs'''

	'''Die Anzahl der Werte, die in den gleitenden Mittelwertfilter des Antriebs eingerechnet werden.'''		'''- Die Anzahl der Werte, die in den gleitenden Mittelwertfilter des Antriebs eingerechnet werden.'''

	'''Die Anzahl der Werte, die in den gleitenden Mittelwertfilter der Lenkung eingerechnet werden.'''		'''- Die Anzahl der Werte, die in den gleitenden Mittelwertfilter der Lenkung eingerechnet werden.'''

	'''Die Anzahl der Werte, die in den gleitenden Mittelwertfilter der Posx Ermittlung eingerechnet werden.'''		'''- Die Anzahl der Werte, die in den gleitenden Mittelwertfilter der Posx Ermittlung eingerechnet werden.'''

	~~'''~~Wichtig ist dabei, das durch veränderte Umweltbedingungen wie Sonneneinstrahlung, störende Strukturen oder Farben die Parameter unter umständen angepasst werden müssen. ~~'''~~		Wichtig ist dabei, das durch veränderte Umweltbedingungen wie Sonneneinstrahlung, störende Strukturen oder Farben die Parameter unter umständen angepasst werden müssen.

	'''Ergebnis:''' Nach Anpassung der erforderlichen Parameter kann das Fahrzeug erfolgreich eine grüße Kunststoffkiste finden und direkt vor dieser zum stehen kommen. Auch wenn die Kiste in einiger Entfernung zum Fahrzeug positioniert wird, erkennt das Fahrzeug die Kiste und fährt zielgerichtet auf sie zu. Bei großen Lenkwinkeln reagiert der Blinker ohne Verzögerung und eine Detektion wird sicher durch die Signallampe signalisiert.		'''Ergebnis:''' Nach Anpassung der erforderlichen Parameter kann das Fahrzeug erfolgreich eine grüße Kunststoffkiste finden und direkt vor dieser zum stehen kommen. Auch wenn die Kiste in einiger Entfernung zum Fahrzeug positioniert wird, erkennt das Fahrzeug die Kiste und fährt zielgerichtet auf sie zu. Bei großen Lenkwinkeln reagiert der Blinker ohne Verzögerung und eine Detektion wird sicher durch die Signallampe signalisiert.

Christian Sievers: /* Integrationstests C-Muster */

2020-02-21T13:10:07Z

Integrationstests C-Muster

← Nächstältere Version		Version vom 21. Februar 2020, 15:10 Uhr
Zeile 533:		Zeile 533:
	Der Testaufbau sieht dabei vor das das Fahrzeug ein grünes Objekt erkennt und auf dieses zufährt. Dabei soll das Fahrzeug möglichst nah an das Objekt fahren, ohne mit dem Objekt zu kollidieren.		Der Testaufbau sieht dabei vor das das Fahrzeug ein grünes Objekt erkennt und auf dieses zufährt. Dabei soll das Fahrzeug möglichst nah an das Objekt fahren, ohne mit dem Objekt zu kollidieren.
	Als Parameter für das optimierte Verhalten dienen dabei:		Als Parameter für das optimierte Verhalten dienen dabei:
	~~'''~~
	~~Der Treshold des Kameramoduls im Logikmodul: Ermitteltes Optimum = 50~~

	~~Die Lookuptable für das Geschwindigkeitsverhalten~~ des ~~Antribs~~		'''Der Treshold des Kameramoduls im Logikmodul: Ermitteltes Optimum = 50'''

	Die ~~Anzahl der Werte, die in den gleitenden Mittelwertfilter~~ des ~~Antriebs eingerechnet werden.~~		'''Die Lookuptable für das Geschwindigkeitsverhalten des Antribs'''

	Die Anzahl der Werte, die in den gleitenden Mittelwertfilter ~~der Lenkung~~ eingerechnet werden.		'''Die Anzahl der Werte, die in den gleitenden Mittelwertfilter des Antriebs eingerechnet werden.'''

	Die Anzahl der Werte, die in den gleitenden Mittelwertfilter der ~~Posx Ermittlung~~ eingerechnet werden.'''		'''Die Anzahl der Werte, die in den gleitenden Mittelwertfilter der Lenkung eingerechnet werden.'''

	Wichtig ist dabei, das durch veränderte Umweltbedingungen wie Sonneneinstrahlung, störende Strukturen oder Farben die Parameter unter umständen angepasst werden müssen.		'''Die Anzahl der Werte, die in den gleitenden Mittelwertfilter der Posx Ermittlung eingerechnet werden.'''

			'''Wichtig ist dabei, das durch veränderte Umweltbedingungen wie Sonneneinstrahlung, störende Strukturen oder Farben die Parameter unter umständen angepasst werden müssen. '''

	'''Ergebnis:''' Nach Anpassung der erforderlichen Parameter kann das Fahrzeug erfolgreich eine grüße Kunststoffkiste finden und direkt vor dieser zum stehen kommen. Auch wenn die Kiste in einiger Entfernung zum Fahrzeug positioniert wird, erkennt das Fahrzeug die Kiste und fährt zielgerichtet auf sie zu. Bei großen Lenkwinkeln reagiert der Blinker ohne Verzögerung und eine Detektion wird sicher durch die Signallampe signalisiert.		'''Ergebnis:''' Nach Anpassung der erforderlichen Parameter kann das Fahrzeug erfolgreich eine grüße Kunststoffkiste finden und direkt vor dieser zum stehen kommen. Auch wenn die Kiste in einiger Entfernung zum Fahrzeug positioniert wird, erkennt das Fahrzeug die Kiste und fährt zielgerichtet auf sie zu. Bei großen Lenkwinkeln reagiert der Blinker ohne Verzögerung und eine Detektion wird sicher durch die Signallampe signalisiert.

Christian Sievers: /* Integrationstests C-Muster */

2020-02-21T13:09:24Z

Integrationstests C-Muster

← Nächstältere Version		Version vom 21. Februar 2020, 15:09 Uhr
Zeile 533:		Zeile 533:
	Der Testaufbau sieht dabei vor das das Fahrzeug ein grünes Objekt erkennt und auf dieses zufährt. Dabei soll das Fahrzeug möglichst nah an das Objekt fahren, ohne mit dem Objekt zu kollidieren.		Der Testaufbau sieht dabei vor das das Fahrzeug ein grünes Objekt erkennt und auf dieses zufährt. Dabei soll das Fahrzeug möglichst nah an das Objekt fahren, ohne mit dem Objekt zu kollidieren.
	Als Parameter für das optimierte Verhalten dienen dabei:		Als Parameter für das optimierte Verhalten dienen dabei:
			'''
	Der Treshold des Kameramoduls im Logikmodul: Ermitteltes Optimum = 50		Der Treshold des Kameramoduls im Logikmodul: Ermitteltes Optimum = 50

Zeile 542:		Zeile 542:
	Die Anzahl der Werte, die in den gleitenden Mittelwertfilter der Lenkung eingerechnet werden.		Die Anzahl der Werte, die in den gleitenden Mittelwertfilter der Lenkung eingerechnet werden.

	Die Anzahl der Werte, die in den gleitenden Mittelwertfilter der Posx Ermittlung eingerechnet werden.		Die Anzahl der Werte, die in den gleitenden Mittelwertfilter der Posx Ermittlung eingerechnet werden.'''

	Wichtig ist dabei, das durch veränderte Umweltbedingungen wie Sonneneinstrahlung, störende Strukturen oder Farben die Parameter unter umständen angepasst werden müssen.		Wichtig ist dabei, das durch veränderte Umweltbedingungen wie Sonneneinstrahlung, störende Strukturen oder Farben die Parameter unter umständen angepasst werden müssen.

	'''Ergebnis:''' Nach Anpassung der erforderlichen Parameter kann das Fahrzeug erfolgreich eine grüße Kunststoffkiste finden und direkt vor dieser zum stehen kommen. Auch wenn die Kiste in einiger Entfernung zum Fahrzeug positioniert wird, erkennt das Fahrzeug die Kiste und fährt zielgerichtet auf sie zu. Bei großen Lenkwinkeln reagiert der Blinker ohne Verzögerung und eine Detektion wird sicher durch die Signallampe signalisiert.		'''Ergebnis:''' Nach Anpassung der erforderlichen Parameter kann das Fahrzeug erfolgreich eine grüße Kunststoffkiste finden und direkt vor dieser zum stehen kommen. Auch wenn die Kiste in einiger Entfernung zum Fahrzeug positioniert wird, erkennt das Fahrzeug die Kiste und fährt zielgerichtet auf sie zu. Bei großen Lenkwinkeln reagiert der Blinker ohne Verzögerung und eine Detektion wird sicher durch die Signallampe signalisiert.



	== Kurzzusammenfassung und Ausblick ==		== Kurzzusammenfassung und Ausblick ==

Christian Sievers am 21. Februar 2020 um 13:08 Uhr

2020-02-21T13:08:27Z

@@ Zeile 406: / Zeile 406: @@
 '''Höhe:''' Messen mit Zentimetermaß oder Zollstock, anschließende Dokumentation
 '''10,8cm''' bei Kamera horizontal ausgerichtet, '''14,9cm''' bei Kamera vertikal ausgerichtet
 == B-Muster und Serie ==
@@ Zeile 547: / Zeile 501: @@
 ===== Antrieb =====
 == Kurzzusammenfassung und Ausblick ==

Christian Sievers: /* Get on the Road */

2020-02-21T13:07:14Z

Get on the Road

← Nächstältere Version		Version vom 21. Februar 2020, 15:07 Uhr
Zeile 281:		Zeile 281:
	Dies startet die Installation der Software vom Github Server.		Dies startet die Installation der Software vom Github Server.

	==Get on the Road==		==Get on the Road beim A-Muster==
	===1. Run the Server - Den Server auf dem Fahrzeug starten===		===1. Run the Server - Den Server auf dem Fahrzeug starten===
	Notwendige Schritte:		Notwendige Schritte:

Christian Sievers: /* Installation Software */

2020-02-21T13:07:00Z

Installation Software

← Nächstältere Version		Version vom 21. Februar 2020, 15:07 Uhr
Zeile 242:		Zeile 242:
	Die Funktion hat in der Simulationsumgebung von Simulink sehr gut funktioniert. Getestet wurde dies über den Source Block Pulse Generator. Nach kurzer Einschwingzeit hat das System erfolgreich den Duty Cicle vom PWM Signal berechnet. Leider funktioniert dies nicht auf dem Raspberry Pi. Da die Systemzeit der Simulation verwendet werden muss, und das Signal erst über das W-Lan Signal zum Raspberry Pi gelangt viel zu hoch und ungbeständig ist, kann der Duty Cicle nicht erfolgreich gemessen und ausgewertet werden. Lösen würde man das Problem, indem man den Prozessor anweist, den Port zu überwachen, wenn es eine Änderung zwischen LOW und HIGH oder HIGH und LOW gibt und nur dann zu reagieren, auch bekannt als Interupt Service Routine. Diese Interupt Service Routine ist allerdings leider nur möglich, wenn der Code, der verwendet wird in C/C++ oder Python geschrieben ist. Dem Simulink Raspberry Pi Modul fehlt an dieser Stelle leider die Echtzeitfähigkeit und Flexibilität.		Die Funktion hat in der Simulationsumgebung von Simulink sehr gut funktioniert. Getestet wurde dies über den Source Block Pulse Generator. Nach kurzer Einschwingzeit hat das System erfolgreich den Duty Cicle vom PWM Signal berechnet. Leider funktioniert dies nicht auf dem Raspberry Pi. Da die Systemzeit der Simulation verwendet werden muss, und das Signal erst über das W-Lan Signal zum Raspberry Pi gelangt viel zu hoch und ungbeständig ist, kann der Duty Cicle nicht erfolgreich gemessen und ausgewertet werden. Lösen würde man das Problem, indem man den Prozessor anweist, den Port zu überwachen, wenn es eine Änderung zwischen LOW und HIGH oder HIGH und LOW gibt und nur dann zu reagieren, auch bekannt als Interupt Service Routine. Diese Interupt Service Routine ist allerdings leider nur möglich, wenn der Code, der verwendet wird in C/C++ oder Python geschrieben ist. Dem Simulink Raspberry Pi Modul fehlt an dieser Stelle leider die Echtzeitfähigkeit und Flexibilität.

	== Installation Software==		== Installation Software beim A-Muster mit Phyton==

	Die Schritte die notwendig sind, um das Fahrzeug mit der von Sunfounder zur Verfügung gestellten Software zu flashen, sind alle sehr detailliert in der Beschreibung (PDF Sunfounder Pi Smart Video Car V2.0) beschrieben. Um einen Überblick zu gewinnen, sind die einzelnen Schritte hier kurz beschrieben.		Die Schritte die notwendig sind, um das Fahrzeug mit der von Sunfounder zur Verfügung gestellten Software zu flashen, sind alle sehr detailliert in der Beschreibung (PDF Sunfounder Pi Smart Video Car V2.0) beschrieben. Um einen Überblick zu gewinnen, sind die einzelnen Schritte hier kurz beschrieben.
Zeile 280:		Zeile 280:
	===Installing the client===		===Installing the client===
	Dies startet die Installation der Software vom Github Server.		Dies startet die Installation der Software vom Github Server.


	==Get on the Road==		==Get on the Road==

Christian Sievers: /* Projektplanung und Zeit-Management */

2020-02-21T13:05:11Z

Projektplanung und Zeit-Management

@@ Zeile 56: / Zeile 56: @@
 * Für die Entwicklung steht ein Bausatz "SunFounder Raspberry Pi Smart Video Car Kit V2.0" zur Verfügung.
 * Lastenheft und [[Projekt_27:_Carolo-Cup|Projektdaten der Vorgängen]] in [https://svn.hshl.de/svn/Elektrotechnik_Fachpraktikum/trunk/Projekte/27_Carolo-Cup/ SVN]
 == Bausatz ==