Sijainti
Etusivu > Esitykset > Talven huono sää on edelleen robottiautojen koetinkivi

Talven huono sää on edelleen robottiautojen koetinkivi

Ensimmäiset robotaksit huristelevat jo maailmalla ja osittain autonomisia Teslan autoja on otettu käyttöön myös Suomessa. Silti olosuhteissa riittää edelleen haastetta myös kokonaan kuskitta kulkeville ajoneuvoille. Mukana linkit Maanmittauslaitoksen esittelyvideoihin.

Pohjolan sade, sumu ja lumiset olosuhteet ovat edelleen autonomisen ajamisen suurimpia haasteita. Siinä missä ajoneuvot toimivat hyvin aurinkoisessa säässä, pohjoisen talvi voi käytännössä sokaista niiden anturiratkaisut.

Maanmittauslaitoksen Paikkatietokeskus FGI on ollut mukana monivuotisessa EU-rahoitteisessa Roadview-tutkimushankkeessa, jossa etsittiin ratkaisuja kaikkein hankalimpiin sääoloihin.

Hanke keskittyi erityisesti siihen, kuinka ajoneuvo voi paitsi ymmärtää ympäristöään myös arvioida sensoridatansa luotettavuutta muuttuvissa sääolosuhteissa. Siinä kehitettiin avuksi järjestelmä, joka yhdistää ympäristön havainnoinnin, tarkan paikannuksen, ajamiseen liittyvän päätöksenteon sekä järjestelmän toiminnan testauksen yhdeksi kokonaisuudeksi.

’’Itseajavissa autoissa on vielä kehitettävää ennen kuin ne voivat ajaa turvallisesti julkisilla teillä. Nyt käytössä olevat ajoneuvot liikkuvat rajatuilla alueilla, joilla on ajamiseen helpot olosuhteet’’, kertoo vanhempi tutkija Heikki Hyyti Maanmittauslaitoksen Paikkatietokeskus FGI:stä.

Testauksessa käytetty robottiauto Muoniossa. Lisää (LINKKI). Kuva: Maanmittauslaitos

Hyytin mukaan auto tarvitsee myös rinnakkaisia järjestelmiä, jotka täydentävät toistensa havaintoja ja parantavat järjestelmän toimintavarmuutta vaikeissa sääolosuhteissa tai tahallista paikannuksen häirintää vastaan,

Yksi autonomisten ajoneuvojen käyttämistä teknologioista on laserkeilaus, jossa autoon kiinnitetyt laserkeilaimet muodostavat ympäristöstään kolmiulotteisen mallin, pistepilven.

Tutkimuksessa kehitettiin menetelmä, jonka avulla pistepilvestä voidaan poistaa huonon sään aiheuttamia epätarkkuuksia. Ympäristön automaattinen havainnointi ja kohteiden tunnistaminen parani verrattuna tilanteeseen, jossa säästä aiheutuvia häiriöitä ei poistettu.

Toinen tärkeä tutkimuskohde oli luotettava sijainnin paikannus, koska autonomiset ajoneuvot tarvitsevat tarkkaa sijaintitietoa myös silloin kun satelliittipaikannussignaalia ei ole saatavilla.

Roadview-hankkeessa kehitettiin uudenlaista laserkeilaukseen perustuva järjestelmä, jonka avulla auto voi paikantaa itsensä vertaamalla ympäristöään tarkkaan digitaaliseen HD-karttaan ympäristöstä. Menetelmän avulla auto voi määrittää sijaintinsa luotettavasti myös silloin, kun satelliittipaikannus ei toimi tai sitä häiritään.

’’Kehittämäämme laserkeilaukseen ja HD-karttoihin perustuvaa ajoneuvon paikannusmenetelmää testattiin erilaisissa olosuhteissa: rekalla moottoritiellä Turkin Istanbulissa, pakettiautolla Saksassa säätestihallin sumu- ja sadeolosuhteissa sekä henkilöautolla Suomen Muoniossa talviolosuhteissa’’, Heikki Hyyti kertoo.

Hankkeessa kehitettiin myös uusi keino liukkauden tunnistamiseen, joka tunnistaa liukkaat kohdat auton etukameran kuvasta. Menetelmä perustuu syväoppimiseen, ja se on koulutettu tiesääsensorista saatujen liukkausarvojen avulla.

Liukkauden tunnistusta testattiin eri tilanteissa, ja se havaitsi tien potentiaalisen liukkauden onnistuneesti etenkin lumisissa ja märissä ajo-olosuhteissa. Tutkimuksessa kerättiin myös sensoridataa erilaisissa sääolosuhteissa kaikkina vuodenaikoina, mukaan lukien sade-, sumu- ja lumikelit. Lisäksi laserkeilainten toimintavarmuutta testattiin lämpötiloissa, jotka vaihtelivat -30 °C:sta 50 °C:een.

Lisää: Roadview-hanke (LINKKI) ja videoita mm. liukkauden tunnistuksesta (LINKKI, Youtube)

Kuvat:  Roadvies-hankkeen tutkimusauto Arvo testiajolla Lapissa. Kuva: Maanmittauslaitos Maanmittauslaitoksen Paikkatietokeskus FGI.

 

Ylös