This page in English

Forskningsprojekt

SeSAM - Sensorbaserad säkerhet för autonom mobilitet

Om projektet

Projektuppgifter

Projektstatus

Avslutat

Kontaktperson

Dimiter Driankov

Forskningsämne

Forskningsmiljöer

Huvudmålet med projektet är att ta fram metoder som kan användas för att förbättra detektionsgraden och avståndet hos olika typer av sensorer för säkerhetsapplikationer, främst för självgående fordon.

De metoder som finns i dagsläget använder endast de senaste sensorläsningarna för att detektera och spåra ett objekt. Framförallt för autonoma plattformar som arbetar inom ett begränsat område finns här möjlighet att även se hur och var sensordata förändras över tiden och på så sätt använda detta för att se skillnader och avvikelser från ett normaltillstånd. T.ex. en truck som transporterar varor i ett lager passerar samma områden många gånger per dag; en golvstädmaskin skurar samma korridorer/utrymmen varje dag; en robot för interna transporter på ett sjukhus följer samma rutter flera gånger dagligen. Därför kan statistiskt pålitliga avvikelser från normaltillståndet bestämmas och de indikerar ett område med större risk för att något har inträffat som kan innebära säkerhetsrisk. Men även ett normaltillstånd kan innebära möjliga säkerhetsproblem t.ex. många människor under vissa tider vistas där och därför behöver dynamiska områden generellt sätt ha mer fokus.

Denna information kan användas antingen för att förbättra detektionsgraden av befintliga säkerhetssensorer eller genom att använda metoderna på t.ex. vanliga kameror. I projektet kommer reflexdetektionssystemet utvecklat i SAVIE projektet användas samt även andra kostnadseffektiva sensorer som standard kameror men även 3D laser skanners kommer att användas för att se till att de utvecklade metoderna är generella och kan anpassas till olika tillämpningar och kostnadsbegränsningar.

Systemet består av en karteringskomponent som uppdaterar en representation av omgivningen. En skillnadsdetektering funktion som använder karteringskomponenten och sensordata för att detektera skillnader i omgivningen. Skillnaderna som utgör en förfining av sensoriken behandlas vidare genom spårning och klassificering för att bestämma om skillnaden utgörs av ett rörligt objekt och vad det är för typ av objekt samt dess position och orientering.

Finansiärer

  • Robotdalen