Проект RACECAR - разрабатываем автономную машинку

Всем привет!

Как вы знаете, мы в Экспоненте не только любим рассказывать о том, какой MATLAB классный и как его успешно применяют компании по всему миру, мы и сами его активно используем в своих проектах для наших клиентов.

А недавно мы решили сделать проект для себя - купили профессиональную гоночную машинку, обвесили ее крутым железом и начинаем делать из нее настоящий беспилотный автомобиль!

Обсудить все детали и тонкости проекта, узнать с какими проблемами, подводными камнями и, при помощи каких лайфхаков, столкнулись наши инженеры и как научились их обходить вы сможете посетив наш митап по разработке беспилотного транспорта, который пройдет 27 октября в Москве. Регистрация обязательна.

За основу мы взяли проект RACECAR/J, созданный в недрах Массачусетского технологического института.

Собрали машину по их инструкции, установили рекомендуемую прошивку и теперь начинаем разрабатывать для нее алгоритмы в MATLAB/Simulink.

Список железа, которое стоит на борту приведен на картинке

Все очень качественное и точное. Особенно хочу отметить, что в качестве "мозга" мы будем использовать плату NVIDIA Jetson TX2, которую устанавливают в реальные автомобили. Она имеет на борту встроенный графический ускоритель (GPU) и работает под управлением Ubuntu Linux и ROS!

Так что, как видите, возможности со стороны железа у нас практически не ограничены, дело за алгоритмами.

Мы планируем задействовать следующие возможности среды MATLAB для разработки беспилотного транспорта:

• Работа с ROS и генерация независимых ROS-узлов
• Алгоритмы картографии, локализации и планирования траектории, а также SLAM
• Компьютерное зрение и распознавание образов

На выходе получим мощную демку, которую с удовольствием вам покажем в рамках какого-нибудь семинара.

А пока мы начинаем разработку и о ее ходе будем отписываться в сообществе, так что следите. Вопросы по проекту смело пишите в комменты.

Пока что мы все собрали и настроили, с джойстика уже управляется. Следующий этап - настройка симулятора машинки в Gazebo и разработка первых алгоритмов локализации.

Часть 2. Отлаживаем алгоритмы в Gazebo

Часть 3. Работаем с алгоритмом локализации Монте-Карло

Часть 4. Работаем с алгоритмом SLAM

Часть 5. Работаем с ROS node (Obstacle Avoidance)

Часть 6. Работаем c независимыми нодами MCL и Path Following + Obstacle Avoidance

Часть 7. Работаем с нодами автономной машинки

Интересные материалы по теме:

Вебинар «Навигация мобильных роботов»
Вебинар «Разработка автономных транспортных средств»