Controle preditivo estocástico aplicado a assistente de direção em carro em escala reduzida

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Nascimento, Guilherme do
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://repositorio.udesc.br/handle/UDESC/16644
Resumo: Sistemas Avançados de Assistência ao Motorista - ADAS, são sistemas inteligentes embarcados em veículos com objetivo de promover a segurança e conforto, evitando acidentes através do uso de algoritmos conectados a dispositivos sensores, como radares de média e longa distância, câmeras, entre outros. Este trabalho propõe uma solução de assistente de direção através de um Controlador Preditivo Estocástico Baseado em Modelo - SMPC com restrições de segurança, aplicado a um veículo em escala reduzida. Para tal desafio utiliza-se o conceito de chance-constraint para adicionar conservadorismo ao controlador, fazendo com que o veículo faça uma trajetória mais segura. Para realização de testes práticos inspirado na plataforma Donkey-car, desenvolveu-se um veículo em escala reduzida 1/16, que conta com uma plataforma em ROS embarcada a um Raspberry Pi, onde constam o processamento de imagem baseado em Python e OpenCV e o controlador preditivo embarcado. Por fim, através de simulações em Matlab e resultados práticos utilizando o protótipo criado, mostra-se que a técnica é efetiva na resolução do problema de assistente de direção