Institutional Repository [SANDBOX]
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Design and implementation of an autonomous-ready electric motorcycle using Drive PX2

Kyriazakis Kleanthis

Simple record


URIhttp://purl.tuc.gr/dl/dias/C49D3B42-05F2-42EE-AED7-CBBBC8B453BF-
Identifierhttps://doi.org/10.26233/heallink.tuc.96669-
Languageen-
Extent90 σελίδεςel
TitleDesign and implementation of an autonomous-ready electric motorcycle using Drive PX2en
TitleΣχεδίαση και ανάπτυξη μιας autonomous-ready ηλεκτρικής μοτοσυκλέτας με χρήση του Drive PX2el
CreatorKyriazakis Kleanthisen
CreatorΚυριαζακης Κλεανθηςel
Contributor [Thesis Supervisor]Lagoudakis Michailen
Contributor [Thesis Supervisor]Λαγουδακης Μιχαηλel
Contributor [Committee Member]Koutroulis Eftychiosen
Contributor [Committee Member]Κουτρουλης Ευτυχιοςel
Contributor [Committee Member]Doitsidis Eleftheriosen
Contributor [Committee Member]Δοιτσιδης Ελευθεριοςel
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitΠολυτεχνείο Κρήτης:Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστώνel
Content SummaryThe history of mass-production vehicles has been moving in two directions in recent years: electrification and autonomous driving. In fact, the combination of these two features looks set to dominate in the coming decades, as a large amount of resources is devoted to the development of these technologies. Responding to this trend, the motorcycle industry has recently been moving in the same directions, already presenting the first prototypes with impressive safety features in terms of balance and ride. The present diploma thesis proposes a low-cost, autonomous navigation system, designed for a prototype, autonomous-ready electric motorcycle that is being developed at the Technical University of Crete. The proposed system is based on Nvidia's Drive PX2 computing platform, which acts as the main brain of the vehicle, as well as two high-resolution cameras, which act as the main perception sensors. Using the Python programming language and the TensorFlow library, a real-time visual object detection system, based on a convolutional neural network, was developed, which specializes in vehicle and road traffic signal detection. At the same time, an Adaptive Cruise Control system was developed for the autonomous adjustment of the speed and the steering of the motorcycle, based on the perception of the current situation on the road. Information and data are displayed to the motorcycle rider via a touchscreen display, which offers various functions through a friendly graphical user interface, as well as analysis of specific scenarios. The interconnection of all subsystems, including the power supply from the motorcycle batteries, is achieved through a specially designed circuit and appropriate wiring. The proposed system is ready to be installed on-board in the prototype, autonomous-ready electric motorcycle, once its mechanical part is designed and tested for conventional driving.en
Content SummaryΗ ιστορία των οχημάτων μαζικής παραγωγής κινείται τα τελευταία χρόνια προς δύο κατευθύνσεις: ηλεκτροκίνηση και αυτόνομη οδήγηση. Μάλιστα, ο συνδυασμός αυτών των δύο χαρακτηριστικών φαίνεται ότι θα κυριαρχήσει στις επόμενες δεκαετίες, καθώς αφιερώνεται μεγάλος όγκος πόρων στην ανάπτυξη αυτών των τεχνολογιών. Ανταποκρινόμενη σ’ αυτήν την τάση, στις ίδιες κατευθύνσεις κινείται πρόσφατα και η βιομηχανία μοτοσυκλετών, παρουσιάζοντας ήδη τα πρώτα πρωτότυπα με εντυπωσιακά χαρακτηριστικά ασφάλειας ως προς την ισορροπία και την οδήγηση. Η παρούσα διπλωματική εργασία προτείνει ένα σύστημα αυτόνομης πλοήγησης χαμηλού κόστους, σχεδιασμένο για μια πρωτότυπη, autonomous-ready ηλεκτρική μοτοσυκλέτα που αναπτύσσεται στο Πολυτεχνείο Κρήτης. Το προτεινόμενο σύστημα βασίζεται στην υπολογιστική πλατφόρμα Drive PX2 της Nvidia, η οποία λειτουργεί ως ο κύριος εγκέφαλος του οχήματος, καθώς και σε δύο κάμερες υψηλής ανάλυσης, οι οποίοι λειτουργούν ως κύριοι αισθητήρες αντίληψης. Με τη χρήση της γλώσσας προγραμματισμού Python και της βιβλιοθήκης TensorFlow, αναπτύχθηκε ένα σύστημα οπτικής ανίχνευσης αντικειμένων σε πραγματικό χρόνο, βασισμένο σε ένα συνελικτικό νευρωνικό δίκτυο, το οποίο ειδικεύεται στην ανίχνευση οχημάτων και σημάτων οδικής κυκλοφορίας. Παράλληλα, αναπτύχθηκε και ένα σύστημα Adaptive Cruise Control για την αυτόνομη ρύθμιση της ταχύτητας και της διεύθυνσης της μοτοσυκλέτας, βάσει της αντίληψης της τρέχουσας κατάστασης στον δρόμο. Πληροφορίες και δεδομένα προβάλλονται στον αναβάτη της μοτοσυκλέτας μέσω μιας οθόνης αφής, η οποία προσφέρει διάφορες λειτουργίες μέσα από ένα φιλικό γραφικό περιβάλλον χρήστη, καθώς και ανάλυση συγκεκριμένων σεναρίων. Η διασύνδεση όλων των υποσυστημάτων, συμπεριλαμβανομένης και της τροφοδοσίας από τις μπαταρίες της μοτοσυκλέτας, επιτυγχάνεται μέσω ενός ειδικά σχεδιασμένου κυκλώματος και κατάλληλης συνδεσμολογίας. Το προτεινόμενο σύστημα είναι έτοιμο για τοποθέτηση on-board στην πρωτότυπη, autonomous-ready ηλεκτρική μοτοσυκλέτα, μόλις ολοκληρωθεί η σχεδίαση και η δοκιμή του μηχανολογικού μέρους της για συμβατική οδήγηση.el
Type of ItemΔιπλωματική Εργασίαel
Type of ItemDiploma Worken
Licensehttp://creativecommons.org/licenses/by/4.0/en
Date of Item2023-07-26-
Date of Publication2023-
SubjectAdaptive cruise controlen
SubjectNvidia drive px2en
SubjectAutonomous motorcycleen
Bibliographic CitationKleanthis Kyriazakis, "Design and implementation of an autonomous-ready electric motorcycle using Drive PX2", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2023el
Bibliographic CitationΚλεάνθης Κυριαζάκης, "Σχεδίαση και ανάπτυξη μιας autonomous-ready ηλεκτρικής μοτοσυκλέτας με χρήση του Drive PX2", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2023el

Available Files

Services

Statistics