Autonomous vehicle localization method based on an extended Kalman filter and geo-referenced landmarks

Método de localización de vehículos autónomos basado en un filtro de Kalman ampliado y puntos de referencia geográficos

Los vehículos autónomos se consideran una opción tecnológica viable para implementar el transporte de primera/última milla en las ciudades del mañana con una alta densidad de población, y por ello es imprescindible que dispongan de un sistema robusto de localización de las rutas de transporte de primera y última milla, así como de planificación y navegación de la ruta. Este artículo presenta la implementación de un sistema de localización de aparcamientos en exteriores que utiliza un mapa basado en puntos de referencia georeferenciados (postes de señalización vial con cinta reflectante) y un Filtro de Kalman Extendido, alimentado con información tanto de odometría como de LiDAR 3D. El sistema se evaluó en nueve rutas con distancias comprendidas entre 85 m y 360 m, en las que se obtuvo un error entre el ground-truth y la posición estimada por el algoritmo inferior a 0,3 m y 0,5 m para la posición en coordenadas X e Y, respectivamente. Los resultados muestran que se trata de un método prometedor que debería probarse en entornos más amplios utilizando puntos de referencia tanto naturales como artificiales.

1. INTRODUCCIÓN

Naciones Unidas estima que en 2030 dos tercios de la población mundial vivirá en ciudades (Naciones Unidas, 2019). Esto plantea grandes retos a las cada vez más pobladas urbes, y para afrontarlos surge el concepto de Smart City como un tipo de desarrollo urbano que utiliza el potencial de la tecnología y la innovación para promover el desarrollo sostenible y, en definitiva, mejorar la calidad de vida de los ciudadanos de estas ciudades (Founoun & Hayar, 2018).

Uno de los objetivos de una Smart City es dar acceso a todos los individuos a mejores soluciones de movilidad y transporte, incluido el transporte público (Vernier et al., 2016). Sin embargo, para promover su uso, es importante mejorar el acceso al mismo, lo que implica reforzar los eslabones más débiles: el transporte de primera milla (desde el punto de partida hasta una estación de transporte público) y el transporte de última milla (desde una estación de autobús hasta el destino) (Chong et al., 2011; Vernier et al., 2016).

Los vehículos autónomos pueden ofrecer una solución al transporte de primera y última milla (Boston Consulting Group, 2016), y su integración con el transporte público puede proporcionar una solución sostenible de puerta a puerta (Shen et al., 2018). Esto ha motivado a la comunidad académica, la industria automovilística y las empresas tecnológicas a investigar formas de dotar a los vehículos de mayor autonomía (Hartmannsgruber et al., 2019). Se está poniendo especial interés en lograr una localización precisa y fiable en zonas urbanas (Brenner, 2009; Payá et al., 2017; Qu et al., 2018), lo que implica adquirir información en cualquier instante de la posición y orientación respecto a un marco de referencia o mapa utilizando información de un sistema sensorial (Thrun et al., 2006).