W dniu 20 czerwca 2024 r. o godzinie 12:00 odbyło się trzecie seminarium poświęcone prezentacji efektów realizacji projektu DARTS-PL, pt. „Baza danych testowych dla pojazdów autonomicznych” (ang. Database of Autonomous vehicles Road Testing Scenarios), finansowanego przez Narodowe Centrum Badań i Rozwoju (NCBiR) w ramach programu GOSPOSTRATEG.

W pierwszym wystąpieniu, dr inż. Mariusz Frąckiewicz (Politechnika Śląska) przedstawił aspekty techniczne związane z poprawną kalibracją sensorów oraz założenia i metody jakie są stosowane do realizacji tych zadań. W ramach projektu DARTS platforma będzie wyposażona w różne sensory, w szczególności w kamery, lidary i radary. Każdy z nich pracuje w oparciu o własny układ współrzędnych, który dodatkowo jest powiązany z miejscem fizycznego montażu na platformie. Dla zapewnienia spójności danych z poszczególnych sensorów konieczne jest przeprowadzenie odpowiednich transformacji, celem sprowadzenia różnych punktów odniesienia do wspólnego układu współrzędnych, tzn. wyrównanie układu współrzędnych sensorów z układem współrzędnych pojazdu. Na potrzeby realizacji projektu DARTS sensorem nadrzędnym będzie LiDAR 360o i to on będzie odnośnikiem dla pozostałych komponentów.

Głównym celem kalibracji jest zapewnienie dokładnego zrozumienia otoczenia pojazdu. Może to być osiągnięte dzięki fuzji danych pochodzących z wielu sensorów. Wyrównanie układów współrzędnych poszczególnych sensorów z układem współrzędnych pojazdu (lub przyjętego głównego sensora), pozwoli na precyzyjne określenie położenia pojazdu w przestrzeni oraz położenia obiektów, z którymi może on wchodzić w interakcje. Skalibrowane systemy dostarczają bardziej wiarygodnych i spójnych danych.

Tematem kolejnego wystąpienia były „Wybrane regulacje prawne jazdy autonomicznej i testowanie pojazdów CAV w Europie”. Ekspertka Centrum Kompetencji Pojazdów Autonomicznych i Połączonych (CK:PAP), mgr Kamila Gąsiorek (Instytut Transportu Samochodowego), przedstawiła prezentację dotyczącą aspektów prawnych, w tym dokumentów regulacyjnych, zarówno krajowych, jak i międzynarodowych, niezbędnych na potrzeby wdrażania mobilności autonomicznej.

Pojazdy autonomiczne podlegają obecnie różnym uregulowaniom w poszczególnych krajach. Unia Europejska pracuje nad zharmonizowanymi przepisami, nad ujednoliceniem zasad bezpieczeństwa, w celu zmniejszenia barier homologacyjnych (dla porównania w Stanach Zjednoczonych obowiązuje zasada certyfikacji własnej producenta). Państwa członkowskie UE mają pewną elastyczność we wdrażaniu niektórych aspektów przepisów dotyczących pojazdów autonomicznych na swoich terytoriach. Jeśli chodzi o uregulowania w poszczególnych krajach, to wiele krajów wdrożyło już własne przepisy dotyczące ubezpieczenia, testowania i wydawania zezwoleń. W większości krajów, np. Niemcy, Francja, Włochy, Hiszpania, Holandia, Belgia, Szwecja, Austria, wprowadzono wymóg zezwolenia na testowanie. Takie zezwolenia są zazwyczaj limitowane czasowo (np. na okres 2 lat).

W odniesieniu do kierowcy bezpieczeństwa i zdalnej kontroli pojazdu, w większości krajów jest wymagana obecność osoby, która jest w stanie przejąć kontrolę nad pojazdem. Osoba ta może, ale nie musi, znajdować się w pojeździe (różne jest podejście w poszczególnych krajach UE). Wymagania dla kierowcy bezpieczeństwa w poszczególnych państwach członkowskich są dość spójne. Podstawowym wymaganiem jest posiadanie prawa jazdy odpowiadającego kategorii pojazdu podlegającego badaniu. W większości krajów od takiej osoby wymaga się doświadczenia w prowadzeniu pojazdów, średnio 2-lub 3-letniego. Kierowca bezpieczeństwa musi ukończyć odpowiednie szkolenie przeprowadzone przez organizatora testów. W niektórych krajach zaleca się weryfikację historii prowadzenia pojazdów przez kierowcę.

UE zachęca do podejmowania testów transgranicznych w celu przyśpieszenia rozwoju i walidacji pojazdów autonomicznych, ale nie jest to łatwe z uwagi na brak jednolitych uregulowań m.in. odnośnie procedur testowania. Prawo unijne nie zawiera obecnie żadnych wiążących uregulowań w tym zakresie. Jeśli w pojeździe znajduje się kierowca, to odpowiada on za zdarzenia drogowe. Za kwestie techniczne odpowiada natomiast producent pojazdu. Jeśli chodzi o przepisy krajowe, to najbardziej zaawansowane w tym zakresie są przepisy obowiązujące w Niemczech. Jeśli chodzi o odpowiedzialność, to w większości krajów osoba odpowiedzialna za testy jest obowiązana do zawarcia umowy odpowiedzialności cywilnej.

Dr Piotr Pawlak (Instytut Transportu Samochodowego), omówił liczne inicjatywy krajowe i międzynarodowe jakie są podejmowane na potrzeby wdrażania pojazdów o wysokim stopniu automatyzacji, zarówno samodzielnie przez poszczególne jednostki, jak również w ramach konsorcjów projektowych m.in.:

• HEADSTART (Harmonised European Solutions for Testing Automated Road Transport) finansowany ze środków UE. Okres realizacji: 2019-2021.
• AWARD (All Weather Autonomous Real logistics operations and Demonstrations). Okres realizacji: 2021-2024.
• Hi-Drive (Addressing challenges toward the deployment of higher automation). Okres realizacji: 2021-2025.
• FAME (Framework for coordination of Automated Mobility in Europe). Okres realizacji: 2022-2025.
• MODI (A leap towards SAE L4 automated driving features). Okres realizacji: 2022-2026.

Obecnie realizowanych jest ponad 25 projektów, które dotyczą wdrażania pojazdów AV i odnoszą się do takich zagadnień jak bezpieczeństwo ruchu drogowego, kwestie transportu ciężarowego, logistyki, jak również komunikacji pomiędzy pojazdami, czy wdrażania wyższych poziomów automatyzacji. Projekt DARTS wpisuje się w ten innowacyjny trend.

Kolejny prelegent, dr inż. Krystian Radlak (Politechnika Warszawska) wystąpił z prezentacją pt. „Filtracja danych lidarowych”, w której poruszył temat filtracji i przetwarzania danych przeznaczonych do implementacji w algorytmach systemów percepcji pojazdów autonomicznych.

Impulsy laserowe wysyłane przez LiDAR odbijają się od otaczających obiektów i wracają do czujnika, który mierzy czas powrotu odbitej wiązki i na tej podstawie wyznaczana jest przebyta odległość i w ten sposób określane są odległości od poszczególnych obiektów. Wyróżniamy dwa podstawowe typy lidarów: obrotowe, które emitują wiązkę dookólnie (lidary 360) i lidary solid-state, emitujące impulsy tylko w jednym kierunku. W projekcie DARTS wykorzystywane będą oba rodzaje lidarów. Niestety wiązki laserowe i ich odbicie mogą być podatne na różnego rodzaju zakłócenia oraz czynniki środowiskowe, co może wpływać niekorzystnie na zdolność detekcji oraz precyzyjne określanie lokalizacji i rozmiarów obiektów. Do najbardziej powszechnych zakłóceń zaliczamy silne światło słoneczne i wszelkiego rodzaju odblaski oraz zakłócenia atmosferyczne (śnieg, deszcz, mgła).

Czujniki lidarowe mogą też zakłócać się wzajemnie, np. jeśli na drodze znajduje się wiele pojazdów wyposażonych w czujniki LiDAR, ich lasery mogą się wzajemnie zakłócać, powodując zakłócenia w danych. Niekorzystne są także wszelkiego rodzaju wibracje, wstrząsy, które mogą powodować niedokładność w interpretacji danych.

W projekcie DARTS własne dane nie zostały jeszcze zgromadzone, ale planuje się zarejestrowanie tych samych scenariuszy w różnych warunkach pogodowych. W literaturze występują dwa podejścia do badania wpływu szumów lidarowych: tworzenie zbiorów danych lidarowych, które zawierają naturalnie zebrany szum oraz tworzenie danych symulacyjnych, w których symuluje się efekt rzeczywistego szumu. Przyjmuje się, że lepszym algorytmem filtracji będzie ten, który będzie umożliwiał lepszą detekcję obiektów na danych „odszumionych” i taką metodologię planuje się stosować w projekcie DARTS.

Do tej pory w ramach projektu DARTS przetestowane zostały dwa algorytmy filtracji: 4DenoiseNet oraz Dynamic Statistical Outlier Removal (DSOR). Wyniki filtracji były oceniane z punktu widzenia skuteczności detekcji obiektów na danych „odszumionych” względem danych niezwierających szumu. W ramach projektu DARTS planowane jest dostarczenie użytkownikowi danych surowych oraz danych po filtracji wybranymi algorytmami filtracji.

Gość specjalny wydarzenia – Pan Piotr Mrozik (Robotec.AI) przybliżył zalety wynikające z wykorzystania kluczowego produktu firmy Robotec.AI czyli biblioteki programistycznej RGL, służącej do symulowania działania urządzeń typu LiDAR. Do najważniejszych filarów biblioteki RGL należy zaliczyć: wydajność, łatwość użycia i elastyczność oraz wszechstronność. Zaprezentowane rozwiązanie znajduje zastosowane nie tylko w branży automotive. Ponadto, planuje się rozszerzenie zastosowania bazy RGL na potrzeby symulowania działania także innych sensorów – radarów, co także mogłoby się okazać pomocne na potrzeby realizacji projektu DARTS.

Na zakończenie spotkania, mgr inż. Aleksandra Rodak (Instytut Transportu Samochodowego), pełniąca rolę moderatora seminarium, zaprosiła uczestników na następne seminarium, które jest planowane w październiku 2024 r. w formie stacjonarnej.