A carregar...
Publicação
Advanced Driver Assistance Systems (ADAS) para Integração em Todo o Tipo de Veículos
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 5.12 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
O presente projeto descreve o desenvolvimento e a implementação de um sistema avançado de assistência à condução (ADAS — Advanced Driver Assistance System), focado na monitorização em tempo real da trajetória do veículo, alerta de perigos e na prevenção de colisões frontais. O sistema utiliza uma unidade de processamento NVIDIA Jetson Xavier AGX, combinando técnicas de processamento computacional de redes neuronais para a deteção de objetos, obstáculos e faixas de rodagem. Para a deteção de objetos, foi implementado o modelo YOLOv8, enquanto para a identificação das faixas de rodagem utilizou-se o modelo UFLDv2, otimizado para alta velocidade de processamento.
A arquitetura do sistema assenta numa estratégia de fusão sensorial, integrando dados de profundidade provenientes de uma câmara Intel RealSense e de um sensor LiDAR, cruzando-os com a telemetria do veículo (velocidade e estado dos pedais) obtida via barramento CAN. No âmbito do hardware, o projeto evoluiu de uma fase de prototipagem em breadboard para a conceção e fabrico de uma Placa de Circuito Impresso (PCB) dedicada.
Os resultados demonstram que o sistema é capaz de processar cenários dinâmicos com baixa latência, ativando alertas graduais baseados no cálculo do tempo para colisão e no desvio lateral do veículo da faixa de rodagem. A lógica de decisão implementada permite distinguir entre avisos preventivos e alertas de perigo crítico, adaptando a resposta visual e física ao comportamento real do condutor, garantindo assim uma solução de segurança ativa robusta e fiável.
This project describes the development and implementation of an Advanced Driver Assistance System (ADAS), focused on real-time vehicle trajectory monitoring, hazard alerting, and forward collision prevention. The system utilizes an NVIDIA Jetson Xavier AGX processing unit, combining neural network computational techniques for the detection of objects, obstacles, and lane markings. The YOLOv8 model was implemented for object detection, while the UFLDv2 model, optimized for high-speed processing, was used for lane identification. The system architecture is based on a sensor fusion strategy, integrating depth data from an Intel RealSense camera and a LiDAR sensor, cross-referencing them with vehicle telemetry (speed and pedal status) obtained via the CAN bus. Regarding the hardware, the project evolved from a breadboard prototyping phase to the design and manufacture of a dedicated Printed Circuit Board (PCB). The results demonstrate that the system is capable of processing dynamic scenarios with low latency, activating gradual alerts based on Time-to-Collision (TTC) calculations and the vehicle's lateral deviation from the lane. The implemented decision logic allows for the distinction between preventive warnings and critical danger alerts, adapting the visual and physical response to the driver's actual behavior, thus ensuring a robust and reliable active safety solution.
This project describes the development and implementation of an Advanced Driver Assistance System (ADAS), focused on real-time vehicle trajectory monitoring, hazard alerting, and forward collision prevention. The system utilizes an NVIDIA Jetson Xavier AGX processing unit, combining neural network computational techniques for the detection of objects, obstacles, and lane markings. The YOLOv8 model was implemented for object detection, while the UFLDv2 model, optimized for high-speed processing, was used for lane identification. The system architecture is based on a sensor fusion strategy, integrating depth data from an Intel RealSense camera and a LiDAR sensor, cross-referencing them with vehicle telemetry (speed and pedal status) obtained via the CAN bus. Regarding the hardware, the project evolved from a breadboard prototyping phase to the design and manufacture of a dedicated Printed Circuit Board (PCB). The results demonstrate that the system is capable of processing dynamic scenarios with low latency, activating gradual alerts based on Time-to-Collision (TTC) calculations and the vehicle's lateral deviation from the lane. The implemented decision logic allows for the distinction between preventive warnings and critical danger alerts, adapting the visual and physical response to the driver's actual behavior, thus ensuring a robust and reliable active safety solution.
Descrição
Palavras-chave
ADAS NVIDIA YOLO UFLD Fusão sensorial CAN PCB