A projekt során felépítünk egy kísérleti közúti járműplatformot, melynek központi eleme egy szenzor- és irányítórendszerrel felszerelt attraktív középkategóriás elektromos jármű. A járműplatform feladatai: jármű- és környezeti adatok közúti adatgyűjtése, kísérletek tervezése és végrehajtása tesztpályán és közúton, funkciók demonstrálása tesztpályán és közúton beavatkozás nélkül. Ezzel a rendszerrel késedelem nélkül beléphetünk az autonóm járműirányítás fejlesztési területeire és az innovációs igényekre közvetlenül reagálhatunk.
A kutatási terület fő témái: szenzorfúzióval kapcsolatos kutatások, globális és lokális útvonaltervezők, kommunikációs architektúrákkal kapcsolatos kutatások:
- Környezetérzékelés gépi tanulási módszereinek kutatása. Radar, lidar és kamera szenzorfúziója klasszikus és gépi tanulás módszerekkel. Szituációértékelési módszerek kutatása.
- Az autonóm járművek és mobil robotok útvonaltervező algoritmusainak kutatása. Globális és dinamikus objektumokat is figyelembe vevő lokális eljárások kutatása különös tekintettel az optimalizáció és a futásidő egyensúlyára.
- Jármű-jármű és jármű-infrastruktúra kommunikáció (V2X) kutatásának megkezdése. Adatgyűjtési lehetőségek feltérképezése a V2X és 5G hálózatok területén.
A Széchenyi Egyetemen meglévő járműplatformok továbbfejlesztése:
- Az átalakított személygépjármű érzékelőrendszerének bővítése. A központi adatgyűjtő és feldolgozó számítógép továbbfejlesztési lehetőségeinek kidolgozása. A gépi tanulás és a kibővített szenzorkészlet kommunikációs, adattárolási és számítási igényeinek felmérése, valamint javaslatok kidolgozása az aktuális state-of-art technológiák figyelembe vételével.
- Járműplatform funkcióinak finomhangolása releváns tesztkörnyezetben.
További kutatás-fejlesztési feladatok:
- A globális útvonalakat tartalmazó Lanelet2-es térképek készítése (Zalai egyetemi pálya Lanelet2 modellezése).
- LIO SAM (Tightly-coupled LIDAR Inertial Odometry via Smoothing and Mapping) eljárás beüzemelése a Nissan Leaf járművön és tesztelése a SZE Campus területén.
- Útburkolat szegmentáló mesterséges neurális hálózat cseréje.
- Mesterséges neurális hálózatok optimalizációja Bayes-módszerrel.
- Pontfelhő alapú objektumdetektáló mesterséges neurális hálózat bevezetése.
- Kamerakép alapú objektumdetektáló mesterséges neurális hálózat cseréje.
- TensorRT alapú hálózatok alkalmazása.
- Padka felismerő és szabadterület algoritmus. Új útfelismerő algoritmus. Vakfoltszűrő az autó két oldalán.