Team AnnieWAY’s Autonomous System for the DARPA Urban Challenge 2007

Abstract

This paper reports on AnnieWAY, an autonomous vehicle that is capable of driving through urban scenarios and that has successfully entered the finals of the DARPA Urban Challenge 2007 competition. After describing the main challenges imposed and the major hardware components, we outline the underlying software structure and focus on selected algorithms. Environmental perception mainly relies on a recent laser scanner which delivers both range and reflectivity measurements. While range measurements are used to provide 3D scene geometry, measuring reflectivity allows for robust lane marker detection. Mission and maneuver planning is conducted via a concurrent hierarchical state machine that generates behavior in accordance with California traffic laws. We conclude with a report of the results achieved during the competition.

Fast and Robust Segmentation and Classification for Change Detection in Urban Point Clouds

“…It can go from the simplest with the research plans in range images (Gorte, 2007), to semantic segmantation with graphs and CART decision trees on range images (Zhu et al, 2010), or mathematical morphology for segmentation and SVM for clssification (Serna and Marcotegui, 2014). Elevation images are also used for guiding autonomous vehicles in real-time, indeed they allow for fast registration on pre-processed 2D maps (Kammel et al, 2008, Ferguson et al, 2008. Markov Random Fields can be used for contextual classification (Munoz et al, 2009), or for learning segmentation (Anguelov et al, 2005).…”

Laser Scanner Como Sistema de Detección de Entornos Viales

“…Las aplicaciones 3D tienen la principal limitación del gran volumen de información a manejar, lo que conlleva tareas con gran coste computacional, principalmente cuando se trata de algoritmos de reconocimiento de patrones (Rabbani y van den Heuvel, 2005) y (Ahn et al, 2003). Una alternativa para sistemas de 3D es el empleo de algoritmos de celdas de ocupación, pero estos sistemas tienen mayor dificultad en cuanto a la clasificación de obstáculos debido a que están orientadas a la búsqueda de zonas libres de obstáculos, más que al reconocimiento de los mismos (Montemerlo et al, 2008), (Urmson et al, 2008), (Kammel et al, 2008), (Thrun, 2003) y (Tay, 2007). La principal desventaja de los sistemas de tipo láser es la limitada información que ofrece, lo que convierte la tarea de reconocimiento de objetos en un trabajo tedioso.…”

Sicherheitskonzept für autonome Fahrzeuge

“…So z. B. bei der Fahrt auf der Bertha-Benz-Route des Karlsruher Instituts für Technologie und der Daimler AG [69], im Projekt Stadtpilot der Technischen Universität Braunschweig [41], [60] den Aktivitäten der Google Inc. [13], [59], dem Forschungsfahrzeug BRAiVE und dem VIAC Projekt des VisLab-Instituts der Università degli Studi di Parma [4], [8], den Forschungsaktivitäten des Sonderforschungsbereichs 28 der Deutschen Forschungsgemeinschaft [31], [55], [57] und den Resultaten bei der DARPA Urban Challenge [51], [52], [53]. Falls die Versuchsträger am öffentlichen Straßenverkehr teilnahmen, war immer ein Sicherheitsfahrer an Bord, der das technische System überwacht hat.…”