CannonBall de voitures autonomes

Etudiants : RICM4 et ENSIMAG 2A

Enseignants : Vivien Quema, Didier Donsez

L'idée de ce projet est de réaliser une/des voitures de course modèle réduit autonome capable de parcourir plusieurs tours d'un circuit défini sur un parking du campus. Le circuit est balisé avec des panneaux entre lesquelles les voitures doivent passer en évitant les obstacles (chicanes) et les autres concurrents. Les panneaux de balisage sont identifiés par des marqueurs uniques de type QRCode et sont géolocalisés. Les obstacles peuvent être également équipés de marqueurs indiquant un ralentissement, un contournement par la droite ou par la gauche. Les voitures "connaissent" à l'avance le circuit (ie les panneaux matérialisant le circuit). La piste peut être équipée de "radars" identifiants les véhicules et calculant leurs vitesses.

Plusieurs catégories de véhicule sont prévues. Dans une catégorie, tous les véhicules sont physiquement identiques (ie chassis, moteur, batteries). Seuls les logiciels de pilotage sont différents et produites par les équipes en compétition.

Catégories



 * 1) DIY (4 moteurs de perceuse, batteries Yuasa) en moins de 10 kgs
 * 2) Base robot LynxMotion A4WD1 Aluminium x4 (ENSIMAG + Polytech)
 * 3) Dagu Wild Thumper 6WD Chassis x1 (Polytech)
 * 4) Modèle réduit RC Buggy Car 1/8eme (vitesse max. 45 à 105 km/h) x2  (Persyval)
 * KYOSHO Scorpion XXL

Cartes envisagées

 * Beaglebone Black x10
 * Raspberry PI x10
 * Intel Nuc i5 + Intel Galileo
 * Parallella http://www.parallella.org
 * NVidia Tegra + Intel Galileo
 * Intel Atom (tablette ou smartphone medfield > clovertrail > baytrail) + Intel Galileo
 * Snowball PDK x1

Contrôleurs

 * Pololu Maestro Servo Controller
 * Arduino Uno
 * Arduino Galileo
 * STM32F4 Discovery (incl. acceloro, magneto, gyro)

Caméras

 * Webcam HD / Full HD (30, 60 120 fps)
 * GoPro Hero 3+ (Silver edition or Black edition)
 * Caméra interne tablette/smartphone + miroir + servomoteur

Montage:
 * F05292 3K Carbon Fiber 2 Axis Camera Anti-Vibration Gimble Mount PTZ

Position

 * capteurs ultrasons
 * Lidar
 * acceloro,
 * magneto,
 * gyro,
 * GPS

Logiciels

 * OpenCV
 * QRCode http://blog.ayoungprogrammer.com/2013/07/tutorial-scanning-barcodes-qr-codes.html
 * http://www.uco.es/investiga/grupos/ava/node/26
 * http://image2measure.net/files/Mastering_OpenCV.pdf

Etapes du projet (pour 2013-2014 et 2014-2015)

 * 1) prendre en main OpenCV sur Windows 8, Android et Ubuntu
 * 2) réaliser un banc d'essai de OpenCV pour la reconnaissance de marqueurs sur les différentes plateformes et pour différents modèles des caméras externes et builtin. Utiliser les algorithmes existants.
 * 3) réaliser un algo de pilotage du véhicule (contrôle trajectoire, maîtrise de l'accélération, ...).
 * 4) réaliser un simulateur de pilotage de véhicule.
 * 5) évaluer les algorithmes sur les véhicules.
 * 6) mettre en place sur un serveur un infrastructure de collecte des paramètres de conduite du véhicule en s'appuyant sur les composants de Eclipse M2M (Mosquitto, Paho), Node-RED, Redis.io et MongoDB via un liaison Wifi/3G/4G. Visualisation rapide avec MQTT Panel.
 * 7) proposer et implémenter un algorithme de consensus permettant à plusieurs véhicules de rouler en convoi en maintenant une distance (de sécurité) entre elles. Pour cela, les informations de vitesse et de localisation relevés par les véhicules et les radars de route seront diffusés de façon fiable et en temps réel entre les véhicules roulants sur le circuits ou un segment de route.

Sponsors

 * VOTRE SOCIETE ICI !!!
 * Intel Software Labs

Liens

 * Autonomous Vehicle Competition (AVC) https://avc.sparkfun.com/2013