Browsing by Subject "radar"

Now showing 1 - 13 of 13

Access status: Open Access ,
Adaptacja modelu matematycznego czujnika radarowego na potrzeby testów zaawansowanych systemów wspomagania kierowcy w środowiskach wirtualnej jazdy
(Data obrony: 2024-09-11) Jasiński, Michał
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Zaawansowane systemy wspomagania kierowcy (ang. Advanced Driver Assistance Systems, ADAS) pełnią dziś kluczową rolę w kontekście zapewnienia bezpieczeństwa w ruchu drogowym. Systemy te analizują w czasie rzeczywistym najbliższe otoczenie samochodu, bazując na informacjach zwróconych przez czujniki zamocowane na tym pojeździe. by w razie wystąpienia realnego zagrożenia przejąć kontrolę nad maszyną. Jedną z najważniejszych aplikacji jest zaawansowany system hamowania awaryjnego (ang. Advanced Emergency Braking System, AEBS), która ma na celu uniknięcie potencjalnie groźnej w skutkach kolizji, na przykład w momencie utraty koncentracji przez kierowcę lub w warunkach ograniczonej przejrzystości powietrza. Układy takie jak AEBS oparte są w znacznej mierze na pomiarach z radarów samochodowych, które dla pojazdów widocznych z perspektywy sensora obliczają ich odległość od czujnika, prędkość względną oraz kąt w płaszczyźnie horyzontalnej pomiędzy obiektem a celownikiem radaru (ang. boresight). Weryfikacja urządzeń klasy ADAS to niezwykle kluczowe zagadnienie. W szczególności przed wdrożeniem systemu do produkcji należy w rzetelny sposób ocenić jego działanie w krytycznych sytuacjach. W tym celu przeprowadza się szereg jazd weryfikacyjnych, w trakcie których gromadzi się dane z czujników zamontowanych na samochodzie testowym. Następnie, na podstawie informacji zebranych z sensorów, analizuje się decyzje podjęte przez układ typu ADAS w trakcie danej serii przejazdów. Zrealizowanie tego typu kampanii w całości na drogach publicznych to niesłychanie kosztowna operacja. Dlatego coraz częściej producenci samochodów decydują się wykonać część eksperymentów w symulatorach jazdy. Dzięki takiemu podejściu, określanemu mianem wirtualnej walidacji, możliwe jest nie tylko skrócenie procesu oceny, ale także zweryfikowanie systemu w sytuacjach, które w rzeczywistości nie byłyby możliwe do przetestowania ze względów bezpieczeństwa. Wirtualna walidacja musi być oczywiście wiarygodna, dlatego konieczne jest, by symulacja precyzyjnie odwzorowywała rzeczywistość. Oznacza to przede wszystkim konieczność uwzględnienia modeli matematycznych sensorów, generujących sztuczne pomiary wiernie naśladujące dane zwracane przez rzeczywiste czujniki. Jak wspomniano, radary samochodowe pełnią kluczową rolę we współczesnych systemach typu ADAS. Niestety, sensory te są silnie niedeterministyczne, głównie ze względu na losowość procesu propagacji fali elektromagnetycznej. Dlatego też opracowanie modelu matematycznego czujnika radarowego jest zadaniem nietrywialnym. Istotna jest tutaj nie tylko dokładność odwzorowania, ale także niska złożoność obliczeniowa modułu, by umożliwić wirtualny test układu typu ADAS w czasie rzeczywistym. W literaturze opisano do tej pory wiele skutecznych rozwiązań. Niemniej jednak analizując dostępne prace można zauważyć, że wciąż nie opisano metody charakteryzującej się zarówno wysokim poziomem wiarygodności, jak i prostotą w opracowaniu i w kalibracji. W tej pracy omówiony zostanie innowacyjny model matematyczny czujnika radarowego oparty na niezwykle ciekawej koncepcji centrów rozpraszania, reprezentujących w przybliżony sposób rozproszenie fali elektromagnetycznej w przestrzeni. Model ten zostanie dostosowany do wymagań przemysłu motoryzacyjnego związanych z weryfikacją urządzeń klasy ADAS w symulacji. Po pierwsze, model będzie sformalizowany pod kątem kluczowego w dziedzinie wirtualnej walidacji standardu ASAM OSI. Po drugie, na bazie pomiarów z rzeczywistych czujników radarowych zidentyfikowane i wprowadzone będą do modelu modyfikacje mające na celu zwiększenie rzetelności procesu generacji sztucznych pomiarów w ważnych z perspektywy systemów typu ADAS scenariuszach jazdy. Po trzecie, przeprowadzona zostanie procedura identyfikacji parametrów modelu. W końcu, z wy korzystaniem autorskiej metody weryfikacji, udowodniona będzie zarówno wiarygodność zmodyfikowanego modelu, jak i jego zdolność do pracy w czasie rzeczywistym. Co za tym idzie, uzasadnione zostanie, iż model matematyczny czujnika radarowego bazujący na koncepcji centrów rozpraszania może być użyteczny w kontekście testów systemu klasy ADAS w czasie rzeczywistym w symulatorze jazdy, niezależnie od poziomu skomplikowania wirtualnego scenariusza.
Access status: Restricted ,
Algorytmy detekcji obiektów statycznych i dynamicznych w systemach radarowych
(Data obrony: 2017-10-18) Motyka, Dawid
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Access status: Open Access ,
Algorytmy kalibracji i auto-kalibracji sensorów radarowych dla systemów aktywnego bezpieczeństwa i jazdy autonomicznej
(Data obrony: 2025-04-16) Burza, Rafał Michał
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Radary odgrywają kluczową rolę w zaawansowanych systemach wspomagania kierowcy oraz jazdy autonomicznej, zapewniając informacje o otoczeniu pojazdu. Zapewnienie wysokiej jakości pomiarów we wspólnym układzie współrzędnych samochodu jest możliwe tylko poprzez zastosowanie algorytmów estymujących błąd orientacji i korygujących wartości zmierzonych kątów. Pierwszą z innowacji wprowadzonych w tej rozprawie jest udoskonalenie algorytmu statycznej kalibracji radaru. Estymacja horyzontalnego przekrzywienia radaru w tej metodzie sprawia trudności, dlatego algorytm został wzbogacony o metodę iteracyjną, jaką jest średnia odporna. Udoskonalony w ten sposób proces kalibracji został opatentowany i wdrożony do produkcji. Kolejną zaproponowaną metodą jest model matematyczny, który w przypadku radarów zdolnych do pomiaru kąta elewacji, pozwala na uwzględnienie trzeciej osi obrotu radaru podczas korekcji detekcji, a także model, pozwalający na algorytmiczne estymowanie błędów orientacji radaru w trzech osiach. Trzecią opracowaną metodą jest trójosiowa kalibracja post-factum, zaprojektowana do estymacji trójosiowego błędu orientacji radaru, nawet gdy radar nie posiada możliwości pomiaru elewacji. Wyniki wskaźników jakości potwierdziły, że trójosiowa korekta detekcji wyznaczonymi kątami redukuje błąd średniokwadratowy rzeczywistych detekcji.
Access status: Restricted ,
Badania grawimetryczne i georadarowe nad Jaskinią Dziewiczą (Jura Krakowsko-Częstochowska)
(Data obrony: 2014-01-30) Kokowski, Jakub
Wydział Geologii, Geofizyki i Ochrony Środowiska
Przy wyborze tematu pracy istotne dla mnie było to, żeby praca pomogła mi utrwalić wiedzę z metod geofizycznych, które mnie najbardziej zafascynowały podczas studiów, i żeby połączyć moje zainteresowania naukowe z pasją jaką jest szeroko pojęta eksploracja gór i jaskiń. Dlatego zdecydowałem się na zbadanie Jaskini Dziewiczej, która jest ciągłym obiektem zainteresowania grotołazów z powodu niewyjaśnionego zasięgu zasypanych namuliskiem korytarzy. W swojej pracy zamierzam sprawdzić jakie informacje możemy wydobyć z metod grawimetrycznej i georadarowej i dowiedzieć się, jak obydwie metody mogą się uzupełnić w poszukiwaniu pustek w terenie krasowym.
Access status: Restricted ,
Frequency-Modulated-Continous-Wave mmWave Sensing Module development and application for mobile robot platform
(Data obrony: 2020-12-11) Milan, Marcin
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Access status: Restricted ,
Hardware-in-the-loop simulation concept in the development of radar-based perception algorithms for active safety, advanced driver assistance and autonomous driving systems
(Data obrony: 2018-10-23) Burza, Rafał
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Access status: Open Access ,
Integrated sensing and communication using random-padded orthogonal time frequency space modulation
(Data obrony: 2026-03-05) Karpovich, Pavel
Wydział Informatyki, Elektroniki i Telekomunikacji
Zintegrowane wykrywanie i komunikacja (ISAC - Integrated Sensing and Communication) to dynamicznie rozwijający się obszar badań, umożliwiający realizację funkcji radarowych i telekomunikacyjnych w jednym urządzeniu oraz wymianę danych między tymi częściami w celu poprawy jakości usług. W systemach ISAC powszechnie stosuje się modulację OFDM, będącą standardem w 4G, 5G czy DVB. Jednak wzrost częstotliwości nośnej w systemach 5G i 6G powoduje, że OFDM staje się wrażliwa na silny efekt Dopplera. Alternatywą jest technika Orthogonal Time Frequency Space (OTFS). W rozprawie doktorskiej zaproponowano nową wersję OTFS - Random-Padded OTFS (RP-OTFS), której celem jest przezwyciężenie ograniczeń OFDM w warunkach silnego Dopplera oraz poprawa działania radaru w systemach ISAC. RP-OTFS wykorzystuje dedykowaną strefę pilotową bez zer, co zapewnia wyższy SNR sygnałów referencyjnych. Wykazano jej przewagę nad klasycznym OFDM oraz innymi wariantami OTFS w transmisji danych i detekcji obiektów. Omówiono także ograniczenia metody, w szczególności założenie (prawie) stałej odpowiedzi impulsowej kanału w krótkiej strefie pilotowej. W pracy zoptymalizowano parametry siatki zasobów RP-OTFS dla różnych scenariuszy radarowych i przedstawiono dwa podejścia do projektowania radaru. Wyniki symulacyjne i pomiarowe potwierdzają skuteczność metody. Udowodniono tezę, że RP-OTFS przewyższa ZP-OTFS, oferując niższy BER w części transmisyjnej oraz wyższy PNFR w części radarowej systemu IS AC w środowiskach o silnym efekcie Dopplera.
Access status: Open Access ,
Low-level sensor data fusion for Object Detection in an Autonomous Vehicle perception system based on a Machine Learning approach
(Data obrony: 2024-04-24) Dworak, Daniel
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Jazda autonomiczna to jeden z głównych tematów badawczych w branży motoryzacyjnej. Pełna automatyzacji procesu prowadzenia pojazdu może przynieść znaczne korzyści, obejmujące wyższy komfort użytkowania takiego pojazdu i poprawę ogólnego bezpieczeństwa na drogach. Nowe narzędzia i postęp technologiczny umożliwiają tworzenie coraz bardziej zaawansowanych systemów, które starają się w pełni zrealizować możliwości pojazdów autonomicznych. W tym nieustannie zmieniającym się obszarze, czujniki takie jak kamery, LiDAR i Radar odgrywają istotną rolę w systemach percepcji, odpowiedzialnych za funkcje poznawcze takich pojazdów. Czujniki te pełnią rolę oczu i uszu systemów percepcji, rejestrując kluczowe dane z otoczenia w postaci obrazów czy chmur punktów. W niniejszej rozprawie przedstawiona jest dogłębna analiza takich czujników, koncentrująca się zarówno na ich budowie, jak i formacie dostarczanych przez nie danych. Jest to szczególnie istotne z uwagi na to, że stanowią one dane wejściowe dla dedykowanych algorytmów percepcji, które tworzą cyfrowy model otoczenia. Wśród tych algorytmów, metody uczenia maszynowego zyskały w ostatnim czasie znaczną popularność w odniesieniu do systemów percepcji. Zwłaszcza w problemach związanych z wykrywaniem obiektów, poprzez wnikliwą analizę danych z czujników, takie rozwiązania dominują obecnie w aplikacjach przemysłowych. Osiągają one doskonałe wyniki i oferują perspektywy dalszych udoskonaleń. Temat badawczy tej pracy skupia się właśnie na systemach percepcji pojazdów autonomicznych opartych o metody uczenia maszynowego, a konkretnie konwolucyjne sieci neuronowe i podejście głębokie do ich projektowania. Te techniki znacznie usprawniły dziedzinę percepcji, umożliwiając pojazdom precyzyjne postrzeganie otoczenia. Dzięki wykorzystaniu nowoczesnych architektury omówionych w tej pracy, takie sieci są w stanie odkrywać skomplikowane wzorce i reprezentacje z danych pochodzących z czujników, co prowadzi do lepszego zrozumienia badanego otoczenia. Ponadto, metodyka percepcji może znacząco skorzystać z dopełniających się informacji dostarczanych z różnych źródeł. W kontekście takiego rozwiązania, każdy czujnik ma swoje zalety i wady, a połączenie różnych urządzeń w zestawie czujników pojazdu autonomicznego może złagodzić ich niepożądane cechy, co w rezultacie poprawi cały system. Kierując się tą myślą, niniejsza praca badawcza skupia się przede wszystkim na wykorzystaniu fuzji danych z czujników i eksploracji jej korzyści. Koncepcja fuzji danych jest szczegółowo omówiona wraz z różnymi metodami łączenia danych z czujników. Spośród tych metod szczególnie interesującym jest specjalny typ niskopoziomowej fuzji danych, który naturalnie dobrze współgra z podejściem przetwarzania danych z użyciem sieci neuronowych. Głównym celem tej rozprawy doktorskiej jest określenie, czy oparte na metodach uczenia maszynowego rozwiązanie fuzji niskopoziomowej może okazać się korzystne dla systemu percepcji pojazdu autonomicznego w zadaniu związanym z wykrywaniem obiektów na drodze. Fuzja ta jest przeprowadzana na obrazach z kamer oraz danych chmur punktów z czujników LiDAR lub radaru. Kluczową innowacją w dążeniu do tego celu jest nowatorskie podejście do fuzji niskopoziomowej, nazwane metodą Cross-Domain Spatial Matching. Metoda CDSM oferuje alternatywną technikę fuzji, niespotykaną dotąd w tej dziedzinie badań. Składa się ona z dwóch głównych elementów: dopasowania domen danych z czujników i metod fuzji. Pierwszy komponent zajmuje się ujednoliceniem odczytów czujników związanym z różnymi orientacjami próbek w stosunku do wspólnego układu współrzędnych pojazdu. Po takim dopasowaniu możliwe staje się łączenie danych z różnych czujników bez dodatkowych rzutowań i konwersji. Pozwala to także na bezpośrednie zastosowanie zaproponowanych strategii fuzji. W tej pracy badawczej przedstawiono trzy takie unikalne strategie, bazujące na różnych podejściach i niosące różnorodne korzyści, które są poddane dalszej weryfikacji w kolejnych rozdziałach. Oba elementy CDSM są zintegrowane w stworzonej architekturze sieci neuronowej. Ta integracja ułatwia nie tylko uczenie sieci w tak zwanym podejściu \textit{end- to-end}, ale także przyczynia się do efektywnych czasów inferencji modelu podczas jego wdrożenia. Aby zaimplementować kompletną architekturę sieci neuronowej związanej z percepcją obiektów, zaprojektowane są również modele przetwarzające dane z pojedynczych czujników, oparte na najnowocześniejszych rozwiązaniach z odpowiadających im dziedzin. Modele te spełniają podwójną rolę: po pierwsze, pozwalają na ocenę wydajności systemu percepcji, gdy opiera się on wyłącznie na jednym czujniku, a po drugie, stanowią integralne moduły w architekturze fuzji, odpowiedzialne za wyodrębnianie cech z każdej próbki danych wejściowych. Poprzez dokładne eksperymenty i odpowiednie techniki oceny jakości, przeprowadzane są dalsze badania dotyczące skuteczności fuzji, wykorzystujące dwa publiczne zbiory danych z dziedziny motoryzacji - KITTI i NuScenes. Praca doktorska zawiera szczegółową charakterystykę tych zbiorów wraz z dokładnym opisem przebiegu procesu uczenia poszczególnych modeli. Ponadto, wyniki modeli bazujących na pojedynczych czujnikach oraz modeli fuzji zostają przedstawione w sposób, który umożliwia porównanie ich ze sobą. Przeprowadzona zostaję dogłębna analiza wyników predykcji obiektów zarówno wizualna, jak i pod względem przyjętych wskaźników jakości. Dla rozwiązania opartego o fuzję, analiza zostaje rozszerzona o badania pokazujące zyski nad jedno- czujnikowymi modelami oraz przykłady przypadków brzegowych, oferujące wgląd w scenariusze, w których model fuzji odbiega od odpowiedników bazujących tylko na jednym źródle danych. Zapewnione jest również porównanie do wiodących rozwiązań fuzyjnych, co ułatwia umiejscowienie metody CDSM wśród obecnie wykorzystywanych technik. Analiza tych wyników pozwala na wyciągnięcie wniosków dotyczących zaproponowanej metody fuzji w systemach percepcji pojazdów autonomicznych oraz sformułowania odpowiedzi na pytanie, czy fuzja niskopoziomowa może okazać się korzystna do tego celu.
Access status: Restricted ,
Mikrofalowy moduł radarowy pracujący w pasmie 2.4 GHz
(Data obrony: 2020-01-21) Szczypczyk, Marek
Wydział Informatyki, Elektroniki i Telekomunikacji
Access status: Restricted ,
Radar z modulowaną częstotliwościowo falą ciągłą z wykorzystaniem interferometru mikrofalowego
(Data obrony: 2021-01-21) Greń, Karol
Wydział Informatyki, Elektroniki i Telekomunikacji
Access status: Restricted ,
Sterowanie demonstracyjnym pojazdem elektrycznym EVE w trybie jazdy autonomicznej podczas manewrów wyprzedzania
(Data obrony: 2016-07-06) Winiarski, Dawid
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Access status: Restricted ,
System monitorowania ruchu drogowego zbudowany w oparciu o czujniki radarowe wraz z bezprzewodową transmisją danych
(Data obrony: 2021-01-26) Matysik, Maciej
Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej
Access status: Open Access ,
Ways to increase efficiency of lidar scan system of three-dimensional objects
(Wydawnictwa AGH, 2023) Zdobytskyi, Andriy; Marikutsa, Uliana; Khranovskyi, Mykola; Yusiuk, Vladyslav
This article discusses the main methods of scanning three-dimensional objects and the features of using lidars as devices for this purpose; it is a comparative analysis of different types of optical, acoustic, and laser devices. Areas of the use of these technologies have been considered. The principle of laser scanning operations is also described in detail, as is the operations of radiating and reading devices. Information is recorded by the system about an object as well as additional parameters. The classification of the returned signal and additional attributes that the sensor takes into account are considered. Based on this information, a mobile system has been developed that optimizes the use of lidars and allows one to use similar systems that work with mobile applications.