Autonomna Vozila Kajtez PDF

Autonomna vozila: poetak i
primena robotizovanih vozila

u saobraaju
Sadraj:
Uvod...................................................................................................................................................3
Istorijat...............................................................................................................................................5
Prednosti............................................................................................................................................9
Propisi i legalizacija..........................................................................................................................10
Naune discipline.............................................................................................................................12
Sistemi zasnovani na znanju.........................................................................................................12
Ekspertski sistemi.....................................................................................................................16
Robotika.......................................................................................................................................18
Uvod.........................................................................................................................................18
Vetaka inteligencija i paradigme...........................................................................................18
Tehnologije......................................................................................................................................22
Senzori..........................................................................................................................................22
Saobraajno komunikacioni sistemi.............................................................................................25
Komunikacija vozilo-vozilo (V2V)..................................................................................................29
LiDAR sistemi....................................................................................................................................30
Terenski zasnovani LiDAR sistem..................................................................................................30
Kako ustvari LiDAR radi? (Nauka iza tehnologije).........................................................................30
Komponente LiDAR-a...................................................................................................................31
Upravljaki algoritam autonomnog vozila........................................................................................33
Arhitektura robotskog softvera........................................................................................................35
Komponente sistema autonomnog vozila........................................................................................39
Projekti.............................................................................................................................................44
Google vozila................................................................................................................................44
BOSS.............................................................................................................................................46
Drugi projekti...............................................................................................................................48
Predlog podsistema autonomnog vozila..........................................................................................52
Zakljuak..........................................................................................................................................54
Reference.........................................................................................................................................56
Uvod
Kao to je poznato u svetskim okvirima, tendencije u daljem tehnolokom razvoju i razvitku u
svim granama industrije jesu razvoj robotike i same vetake inteligencije. S obzirom da se ve
godinama unazad napredovalo u razvitku robotike i ljudske svesti o njima, trenutni period je takav da
se dolo i do komercijalizacije i same upotrebe pojedinih vetako inteligentnih maina u ljudskom
okruenju. Jedna od kljunih ideja i primena robota u ljudskim ivotima jeste i upotreba
robotizovanih vozila (eng. driverless cars) ili autonomnih vozila (eng. autonomous cars) u saobraaju
[1]. Evidentan je rast kretanja ljudi prevoznim sredstivna (linim vozilima i javnim prevozom), samim
tim i vei je rizik od saobraajnih nezgoda, potrebno je vie resursa za sve vei broj vozila, zbog
poveanja obima saobraaja javljaju se i saobraajne guve, a samim tim i vreme provedeno u
saobraaju znatno vee itd. su neka od kljunih pitanja saobraaja dananjice. Da li se pojavom
autonomnih vozila, mogu reiti neki od gore pomenutih aspekata?! Koji e biti uticaj takvih vrsta
vozila? Tu je i problematika gledano sa stanovita legalno pravnih apsekata, sa kljunim pitanjima:
ako doe do nesrea, koga kriviti; koji e biti uticaj na osiguravajue kompanije; smanjenje stope
zaposlenosti, npr. taksi udruenja; nephodno je poveanje broja strunjaka iz oblasti tehnologija koje
su neophodne u projektu autonomnih vozila, ovo su samo neka od pitanja koja se postavljaju i koja
pokreu Pandorinu kutiju autonomnih vozila na ulicima...
Bitan faktor kao naune discipline u projektu autonomnih vozila ima ju vetaka inteligencija
(robotika), sistemi zasnovani na znanju i ekspertni sitemi, kao i mnogi drugi sistemi kao to su na
primer fazi logika koja pripada knowledge based sistemima i sl. Bez ovih naunih disciplina i sistema
ne bi bilo mogue stvoriti takvu tehnologiju koja bi mogla da sainjava jedan ovakav sistem kao to je
autonomno vozilo ili ceo sklop sistema saobraaja bez direktnog uticaja oveka na upravljanje u
relanom vremenu [2].
Da bismo shvatili pravi koncept autonomnog vozila potrebno bi bilo malo izloiti osnovne principe
robotike i sistema zasnovanih na znanju. Kroz ovaj rad bie objanjen princip i jedne i druge
discipline u konceptu vozila kojima nije potreban ljudski voza. Izvori znanja su bitni u pogledu
sistema, znanje je teko prikupljati direktno ono se dobija obraivanjem sirovih opaanja i
informacija iz domena koji se posmatra. Osnovni izvor znanja je: ljudski um, dok se kao sekundarni
izvor znanja uzimaju podaci i informacije iz okruenja. Ovi drugi izvori su u konceptu autonomnih
vozila najbitniji, s obzirom da se nalaze u prirodnoj i urbanoj sredini iz koje moraju prikupljati
informacije da bi bili u mogunosti da se bezbedno kreu. U sluaju autonomnih vozila moemo
priati o znanju domena, koje je specifino za odreeni domen koji je u ovom sluaju saobraaj.
Autonomna vozila, takoe znana kao automatizovana vozila, ili neformalno kao robotizovana
vozila ili samovozea vozila, su motorna vozila koja mogu samostalno da se kreu (tj. bilo koja osoba
da sedi na vozaevom mestu, a i ne mora, sve funkcije u realnom vremenu vonje prebaene su na
takozvani Vehicle Automation System). Autonomna vozila su vozila kojima nije potreban voza i
takoe se nazivaju i robotizovana vozila. Ovakva vrsta vozila ima mogunost da vri sve funkcije
upravljanja i kretanja koje inae vri ovek u komercijalnim vozilima dok upravlja istim, takoe, sama
detektuju-vide sredinu u kojoj saobraaju, dok je voza potreban samo da odabere destinaciju i ne
mora da vri bilo kakavu operaciju tokom vonje [3].
Sistem kao celina autonomnog vozila tumai informacije i procesira ih da bira puteve, brzinu koja
je dozvoljena i prepreke na koje moe nai. Mape koje koriste moraju biti konstantno aurirane, jer
putevi kao i zakoni o saobraaju mogu biti esto menjani.
Autonomno vozilo moe samostalno upravljati pomou video kamere, radarskih senzora i laserskih
daljinomera na osnovu kojih moe i da "vidi" druge "uesnike" u saobraaju, kao i detaljne mape.
Googles street view podaci omoguavaju automobilu da planira svoje puteve gledajui raskrsnice i
puteve unapred. Vozilo pomou ultrazvunih senzora i kamera belei informacije koje prikuplja
neprekidno iz okruenja. Obradom slike sa video kamera upravljaki sistem autonomnog vozila
detektuje poloaj vozila u odnosu na vodee linije na kolovozu, a u sadejstvu sa ostalim senzorskim
sistemima upravljaki sistem odreuje rastojanje izmeu uoenih vozila kao i meusobne relativne
brzine. Sve ovo je ono to ini vozilo da bude bez vozaa-oveka [4].
"Eksperimentalni automobil je imao vozaa za volanom i softverskog inenjera u putnikom seditu

koji je pratio program koji omoguava automobilu da samostalno upravlja vozilom prometnim
ulicama i putevima".1
Autonomna vozila opaaju njihovo okruenje pomou tehnologija kao npr. to su radar, lidar
(ladar), GPS i mainska vizija. Napredni sistemi upravljanja tumae prikupljene senzorne
informacije da bi indetifikovali odgovarajue navigacione putanje, kao i prepreke i relevantne
signalizacije. Pojedina automatizovana vozila mogu da auriraju njihove mape na osnovu ulaza
informacija iz senzora omoguavajuci im da se kreu kroz nepoznate sredine koje nisu bile prvobitno
upisane u mape ili je dolo do nekih promena kasnije.
Sebastian Thrun-a, softver inenjer kompanije Google, koji je bio tvorac Google projekta autonomnog
vozila, kao i mnogih drugih projekata autonomnih vozila
Istorijat
Istorijat
Prvo predstavljanje i uopte pojavljivanje nekog vida autonomnih vozila je bilo na izlobi
Normana Bel Geddesa "Futurama" pod pokroviteljstvom GM-a na svetskom sajmu jo davne 1939-e
godine, gde je predstavio vrstu elektrinog automobila pokretanog pomou objedinjenih strujnih
kola u kolovozu i pomou upavljaa radio vezom [1].
Poetkom 80-ih godina XX veka Mercedes Benz je predstavio svoju viziju robotizovanog kombija,
slika 1a i 1b, dizajniran od strane Ernst Dickmannsa i njegovog tima na Univerzitetu Bundeswehr
University Munich u Minhenu, postigao je brzinu od 100 km/h na putu bez saobraaja. Nakon ovog
projekta, Evropska komisija je zapoela finansiranje EUREKA Prometheus Project o autonomnim
vozilima u iznosu od oko 800 miliona evra u periodu od 1987-1995 godine [5].
Slika 1a: Mercedesov robotizovani kombi iz

80-tih
Slika 1b: Unitranjost robotizovanog kombija
Takoe tokom 80-tih godina prolog veka, kompanija Martin Marietta je osniva autonomnog
zemljanog vozila (Autonomous Land Vehicle - ALV) [6] i na DARPA konkursu za razvijanje koncept
vozila u Sjedinjenim Amerikim Dravama postigla je prvu drumsku-praenu demonstraciju koja je
koristila laserski radar razvijan od strane Environmental Research Institute of Michigan, mainska
vizija razvijano od strane Carnegie Mellon University and SRI i autonomnu robotsku kontrolu vozila
razvijanu od strane Carnegie Mellon and Martin Marietta za prvo kontrolisano robotsko vozilo koje
se kretalo do 30 km/h, slika 2. 1987 godine, HRL Laboratories (bivi Hughes Research Labs) prikazala
je prvu off-road mapu i sensor-based autonomnu navigaciju na ALV-u, vozilo se kretalo preko 600 m
brzinom od 3 km/h na kompleksnom terenu strmih padina, kontlina, sa velikim kamenjem i
vegetacijom.
Uvod
Slika 2: DARPA ALV

1991 godine, Kongres SAD-a je doneo nalog ISTEA transport autorizaciju, koji je naloio USDOT-u
da demonstrira automatizovan sistem vozila i autoputa do 1997. Savezna uprava zaduena za
autoputeve prihvatila je taj zadatak, prvo sa serijom Precursor Systems Analyses potom sa
osnivanjem National Automated Highway System Consortium (NAHSC). Ovaj trokovno deljen
projekat predvoen je od strane FHWA i General Motors, sa Caltrans, Delco, Parsons Brinkerhoff,
Bechtel, UC-Berkeley, Carnegie Mellon University, i Lockheed Martin kao dodatnim partnerima.
Obimno sistemsko ineenjerstvo kulminiralo je 7 avgusta 1997. u projekat DEMO '97, slika 3, kada
je prikazana demonstracija kolone od oko dvadesetak vozila, to automobila, autobusa i kamiona,
koji su se samostalno kretali na prometnom putu I-15 u San Dijegu. Ovu prezentaciju je pratilo
hiljade posmatraa, a takoe je i privuklo veliku medijsku panju.
Slika 3: DEMO '97, kolona vozila u demonstraciji automatizovanog sistema vozila i autoputa
Uvod
Na ovom projektu uestvovali su i drugi proizvoai poptu Toyote i Honde. Iako uspean projekat,
koji je bio ak i pripreman za komercijalizaciju, program je otkazan krajem 90-tih, zbog smanjenja
budeta istraivanja na USDOT-u. Ukupna sredstva za program bila su oko 90 miliona dolara.
1994 godine, blizanci robotizovana vozila VaMP (slike 4a i 4b) i Vita-2 (slika 5) od Daimler-Benz i
Ernst Dickmanns sa Univerziteta Bundeswehr University Munich, prela su skoro vie od hiljadu
kilometara na Pariskom autoputu sa tri trake u standardnom gustom saobraaju pri brzini od oko
130 km/h. Oni su demonstrirali slobodnu vonju autonomnog vozila u slobodnim trakama, u konvoju
i pri autonomnim promenama traka sa obe strane preticanjem drugih vozila u saobraaju
upravljanim od strane ljudi [7].
Slika 4b: Unutranjost VaMP Mercedes S

klase
Slika 4a: Mercedes-Benz S klasa, VaMP
Slika 5: Mercedes-Benz S klasa, Vita-2

1995 godine, Dickmannsova reprojektovana Mercedes S klasa je prela skoro 1600 km dug put od
Minhena (Bavarska, Nemaka) do Kopenhagena (Danska) i nazad, koristei tehnologije saccadic
computer vision and transputers. Vozilo je postiglo brzinu od 175 km/h na nemakom autoputu, sa
oko 95% autonomne voenje, bez ljudske intervencije. Ponovno voen u redovnom saobraaju
preticajui ostala vozila i obavljanju redovnih manevara tokom kretanja. Tokom istraivanja,
ostvarena autonomija od 158 km je viestruko nadmaila i najoptimistinije pretpostavke.
Takoe tokom 1995 godine, projekat Carnegie Mellon University Navlab-a ostvario je 98.2%
autonomne vonje na 5000 km dugom putovanju irom zemlje, koji je bio poznat pod nazivom "No
Hands Across America". Ovaj automobil je, meutim bio polu-autonomno po svojoj prirodi: koristei
neuralne mree da kontrolie upravlja, dok su komande gasa i konice bile kontrolisane od strane
oveka.
7
Uvod
1996. godine, Alberto Broggi sa University of Parma pokrenu je ARGO projekat [8], koji je radio na
omoguavanju modifikovane verzije Lancia Thema da prati normalu (farbanu) oznaku linije puta na
neizmenjenom autoputu. Kulminacija projekta je bilo putovanje od 2000 km tokom 6 dana na
autoputevima severne Italije nazvan MilleMiglia in Automatico, sa prosenom brzinom od 90 km/h,
94% vremena vozilo je bilo u punom automatskom modu, sa najduim automatskim kretanjem od 54
km. Vozilo je posedovalo samo dve jeftine crno bele video kamere na vozilu, i koristilo je
stereoskopske algoritme osmatranja da razume okruenja.
Prednosti
Prednosti
Oekivane prednosti autonomnih vozila mogu biti:
Manje saobraajnih nezgoda, zahvaljujui poveanoj pouzdanosti autonomnih sistema i u
vremenskom smanjenju reakcije u odnosu na ljudske vozae.
Poveanje putnih kapaciteta i smanjenja zaguenja saobraaja zbog smanjene takozvanih
safety gaps sigurnosnih razmaka izmedu vozila i sposobnosti da se bolje upravlja protokom
saobraaja.
Oslobaanje vozaa u vozilima od poslova vonje i navigacije, to doprinosi smanjenju
vremena utroenog na upravljanje vozilom.
Vea dozvoljena ogranienja brzine za autonomna vozila.
Uklanjanje prepreka o stanju vozaa, npr. limit godina, ljudi sa invaliditetom, ljudi sa
psihofizikim problemima, pod dejstvom alkohola ili na drugi nacin uskraeni da mogu da
upravljaju vozilom.
Smanjenje potrebe za parking prostorom blizu mesta odredita, jer autonomna vozila mogu
da odvezu putnike do samog odredista i odu da se parkiraju negde dalje, pa da kasnije kada
je potrebno dou po njih.
Eliminisanje vozaa, jer ljudi nisu vie u obavezi da odvezu vozilo gde treba, ovo se posebno
odnosi i bie relevantno za kamione, taksi vozila i auto-usluna vozila.
Smanjenje prostora za parkiranje vozila.
Smanjenje potrebe saobraajne policije.
Smanjenje potrebe za osiguranjem vozila.
Smanjenje fizikih oblika saobraajne i putne signalizacije, s obzirom da autonomna vozila
mogu informacije dobiti i elektronskim putem, iako saobraajni znaci mogu biti potrebni
zbog ljudskih vozaa...
Konceptom autonomnih vozila dolazi do smanjenja broja zaposlenih koji nisu visoko
kvalifikovani poput vozaa javnog prevoza, ali e se javiti potreba visoko kvalifikovanih ljudi koji
ce biti kljuni za dalje unapreenje i razvoj tehnologija i sl. Time dobijamo stepen razvoja ljudi i
potrebe za njihovim usavravanjem i razvojem.
Zagovornici autonomnih vozila tvrde da e ova vrsta vozila poboljati optu bezbednost na
putevima, smanjiti emisiju tetnih gasova i omoguiti veu autonomiju kretanja osobama sa
invaliditetom.
Sa druge strane protivnici ove tehnologije smatraju upravo suprotno da je ona nebezbedna i
jo uvek nedovoljno proverena i dokazana u realnim saobraajnim uslovima.
Propisi i legalizacija
Od kraja 2000-ih, znaajni pomaci nainjeni su u tehnologiji i zakonodavstvu koje se odnosi
na autonomna vozila. Brojne velike kompanije su napravile upotrebne prototipove autonomnih
vozila, ukljuujuci Google, Continental Automotive Systems, Nissan, Toyota i Audi. U junu 2011,
drava Nevada je prva koja je u svojoj nadlenosti u Sjedinjenim Americkim Dravama donela i
objavila zakon koji se odnosi na upotrebu autonomnoh vozila. Ve februara 2013., tri amerike
drave su zakonom dozvolile kretanje autonomnih vozila, pomenuta Nevada, kao i Kalifornija i
Florida. U Sjedinjenim Amerikim Dravama, kodeksi o vozilima generalno ne dozvoljavaju, ali ni
nuno ne zabranjuju, visoko automatizovana vozila. Da bi se razjasnio legalan status autonomnih
vozila i na drugi nain da se reguliu ovakva vozila, pomenute drave su usvojile specifine zakone o
upotrebi autonomnih vozila.
Amerika drava Nevada kao to je ve pomenuto postala je prva drava na svetu u ijoj
nadlenosti je dozvoljeno uestvovanje autonomnim vozilima na javnim putevima. Prema zakonu,
odeljenje za motorna vozila drave Nevade (NDMV) je odgovorno za uspostavljanje bezbednosti i
standarda, takoe je i odgovorno za odreivanje podruja gde se autonomna vozila mogu testirati
pre upotrebe. Zakon je stupio na snagu 1. marta 2012. godine.
Zakon Nevade definie autonomno vozila kao motorno vozilo koje koristi vetaku inteligenciju,
senzore i koordinate sistema globalnog pozicioniranja, da bi se samostalno kretalo bez intervencije
oveka-vozaa. Zakon takoe prihvata da ovek nee biti u obavezi da obraa panju dok se
autonomno vozilo samostalno kree. Pored ovoga, zakon obavezuje da mora postojati osoba za
volanom i jedna osoba na suvozaevom mestu tokom testiranja.
U maju 2012., NDMV je izdalo prvu dozvolu za samoupravljujee vozilo Toyota Prius modifikovanu
od strane Google sa njihovom eksperimentalnom tehnologijom bez vozaa. Google autonomni
sistem dozvoljava oveku da preuzme upravljanje vozila u bilo kom trenutku pritiskom na papuicu
konice ili pomeranjem volana. Registarske tablice izdate u Nevadi imaju crvenu pozadinu sa znakom
na levoj strani, slika 6, to po miljenju NDMV najbolji znak da se pokae da je to vozilo
budunosti.
Slika 6: Tablice autonomnog vozila
10
1. jula. 2012. godine, drava Florida je druga koja je dozvolila upotrebu autonomnih vozila
donoenjem zakona. Zakon drave Floride pojanjava da Drava ne zabranjuje i specifino ne
regulie testiranje ili samostalno funkcionisanje vozila na javnim putevima.
25. septembra 2012. godine, guverner drave Kalifornija Jerry Brown je potpisao zakon kojim se
dozvoljava legalizacija autonomnih vozila u toj dravi, koji takoe zahteva od Odeljenja za motorna
vozila Kalifornije (CDMV) izradu propisa do 2015. U Kaliforniji, predloeni zakon e zahtevati da voza
i dalje bude prisutan za volanom, u sluaju da iznenada funkcije autonomnog vozila otkau i da je
neophodno da ovek preuzme komande, to ograniava beneficije koja autonomna vozila mogu
pruiti nelicenciranim vozaima.
Tokom 2013.-2014., drave Kolorado i Miigen planiraju da predstave nacrte zakona o
autonomnim vozilima, s tim to je u februaru 2013 prva verzija nacrta zakona u Koloradu odbijena.
Sline zakone takoe u planu imaju drave Arizona, Oklahoma i Havaji.
Autonomna vozila jo uvek nisu dostupna tritu i kupcima, ali se oekuje da e u bliskoj
budunosti biti. Prorauni su da e ve izmeu 2015. i 2019. godine komercijalizacija uzeti maha,
prvenstveno kao vozila javnih slubi, kasnije kao i privatna vozila.
11
Naune discipline
Naune discipline
Sistemi zasnovani na znanju
Sistem zasnovan na znanju su sistemi zasnovani na raunaru koji koriste i generiu znanje iz
podataka, informacija i drugog znanja. U stanju da razumeju informacije koje se obrauju i mogu
donositi odluke na osnovu njih za razliku od tradicionalnih raunarskih sistema koji ne znaju ili ne
razumeju podatke/informacije koje oni obrauju. Sistem sadri izvor znanja bazu podataka, bazu
znanja koja je skladite postojeeg znanja i generisanja novog znanja koje se prikuplja to jest,
mehanizam zakljuivanja, rasuivanja i objanjavanja.
Termin znanja2 moemo definisati kao ovekovo razumevanje predmetne materije, prikupljeno
odgovarajuim prouavanjem i iskustvom, vezano je za pojedinu osobu i zasnovano je na uenju,
razmiljanju i pravom razumevanju problemske oblasti. Izvodi se iz informacija na slian nain na koji
se informacije izvode iz podataka. Moe se smatrati sintezom i integracijom opaajnog procesa
oveka, koje pomae oveku da izvlai zakljuke od znaaja. Obino je lino, subjektivno, i priroeno
mu je svojstvo lokalnosti vie se nalazi ,,u glavama zaposlenih nego to objektivno postoji.
Pogodnim obradama iz podataka i informacija generiemo strukturirane informacije od znaaja koje
su od pomoi pri odluivanju i poveavanju strunosti u reavanju problema. Radi se o takvom nivou
obrade koji ini sadraj od znaaja i primenjivim. Odgovarajuom obradom generiemo izvetaje koji
su od pomoi u odluivanju, pojmove za uenje i modele za reavanje problema.
Baza znanja BZ kljuna komponenta sistema zasnovanih na znanju: kvalitet i upotrebljivost
sistema direktno su povezani sa bazom znanja u sistemu. Baza znanja sadri sve tipove domenskog
znanja u datoj formi, kao i metaznanje.
Maina zakljuivanja - MZ - je softverski program koji se poziva na postojee znanje, manipulie
znanjem po potrebi, i donosi odluke o akcijama koje treba preduzeti. MZ zakljuuje na osnovu znanja
iz baze znanja i tako to poredi to znanje i znanje koje prikuplja u realnom vremenu. Kroz ove
postupke MZ ispituje postojee injenice i pravila i dodaje nove injenice kada je mogue. Dakle, MZ
ne samo da se poziva na postojee znanje u BZ, ve donosi zakljuke i uveava bazu podataka novim
saznanjem kada je to potrebno. MZ odluuje o redosledu zakljuivanja.
Dva su uobiajena pravila za izvoenje novih injenica iz pravila i poznatih injenica:

modus ponens: je strategija zakljuivanja koja se moe opisati ovako: Pravilo tvrdi da kada je
poznato da je A tano i da pravilo tvrdi ,,Ako je A, onda je B, da je ispravno zakljuiti da je B
tano.
2
Wigg (1999): Znanje moe biti sabrano van ovekovog uma, a izvrni programi (softverski agenti)
su u stanju da barataju verovanjima i prosuivanjima: ,,znanje su istine i verovanja, uvidi i pojmovi,
prosuivanja i oekivanja, metodologije i know-how , i poseduju ga ljudi ili drugi agenti.
12
Naune discipline
modus tollens: se moe opisati ovako: Kada je poznato da je B netano i da pravilo tvrdi ,,
Ako je A, onda je B, onda je ispravno zakljuiti da je A netano
Slika 7: Uobiajeni ciklus zakljuivanja:

U jednostavnim, na pravilima zasnovanim sistemima dve su vrste zakljuivanja: ulanavanje
unapred i ulanavanje unazad. U sistemima zasnovanim na pravilima, ulanavanja unapred i unazad
rade u ciklusima upravljajui i dopunjujui razmatrane injenice i hipoteze ciljeva u radnoj memoriji.
Na osnovu sadraja radne memorije, biraju se i aktiviraju odgovarajua pravila iz baze pravila.
Sistemi zasnovani na pravilima, eng.: rule-based systems su sistemi koji prikupljaju i manipuliu
znanjem da bi interpretirali informaciju na koristan nain. Klasini primer ovih sistema su domensko
specifini ekspertski sistemi koji koriste pravila da naprave izuzetke i izbore.
Ulanavanje unapred
Ulazi u sistem (SISTEMI ZASNOVANI NA ZNANJU) i podaci se skladite u radnu memoriju. Ulaz u
radnu memoriju aktivira pravilo iji uslov se poklapa sa novim podacima i ogranienjima. Aktivirano
pravilo onda izvodi svoje akcije. Akcije mogu dodavati nove podatke u memoriju, te tako aktivirati jo
pravila, i tako dalje.
- zakljuivanje voeno podacima
MZ, koja koristi ulanavanje unapred, pretrauje pravila zakljuivanja dok ne nae pravilo za koje
se zna da je ,,AKO deo taan. Kada to pronae, onda se moe zakljuiti ,,ONDA deo, to dodaje
novu informaciju na skup podataka maine zakljuivanja.
Ulanavanje unazad
Sistem (SISTEMI ZASNOVANI NA ZNANJU) treba da zna vrednost dela podatka ili hipotezu. Trai
pravila iji posledini (ONDA) deo sadri ove podatke. Pre nego to upotrebi pravila, sistem mora
testirati njihove uslove. Ovo moe imati za posledicu otkrivanje vrednosti jo delova podataka, i tako
dalje.
- zakljuivanje voeno ciljem ( zakljuivanje voeno hipotezom)
13
Naune discipline
Odnos ulanavanja unapred i unazad
Ulanavanje unapred se koristi kada:
postoji dovoljno informacija o okruenju koje mogu dovesti do krajnje odluke
postoji jedno poetno stanje
je teko formirati cilj koji bi se verifikovao
kada je cilj nepredvidiv
kada je cilj nevaan, ve je vanije stalno poboljavanje procesa
PRIMERI: Faza poboljavanja kvaliteta u procesu razvoja softvera
Poboljavanje procesa poslovanja kroz koji se ostvaruje visokonivoski cilj (Cilj je ili isuvie udaljen
da bi se mogao ostvariti, ili se moe ostvariti samo poboljanim postupcima.). Ulanavanje unapred
kree od nekih injenica i primenjuje pravila da bi se pronali svi mogui zakljuci.
Ulanavanje unazad se koristi kada:
je cilj dat ili je oigledan
ogranienja okruenja ili podaci nisu jasni
relevantni podaci se moraju prikupljati tokom procesa zakljuivanja
postoji veliki broj primenljivih pravila
su objanjavanje i rasuivanje vani korisniku u skladu sa prirodom primene
ima malo ciljeva i mali broj pravila koja se bave velikim brojem injenica (izbegava se
nepotreban napor unosa velike koliine podataka)
Ulanavanje unazad kree od eljenog cilja (ciljeva) i funkcionie unazad da bi pronalo injenice
koje podravaju te ciljeve. Svaki sistem sa pravilima sa ulanavanjem unazad moe se ponovo
napisati kao ekvivalentni sistem sa ulanavanjem unapred. No, ako se unapred zna ta se trai,
ulanavanje unazad moe biti dobro reenje. Koristi se u sistemima uenja, obuke i medicinske
dijagnostike. Nije pogodno za primene u kojima je potrebno unakrsno pozivanje dokumenata ili
eksploatacija podataka (data mining).
Ulanavanje unazad upravlja podciljevima automatski (to strategiju ini privlanom). Koristi se za:
reavanje dijagnostikih i klasifikacionih zadataka.
Sistemi zasnovani na znanju se veoma razlikuju od drugih informacionih sistema zasnovanih na
raunaru: sistema obrade transakcija (SOT), upravljakih informacionih sistema (UIS), i sistema
podrke odluivanju (SPO).
Sistemi zasnovani na znanju:
- tretiraju znanje
- rade na nestrukturiranom nivou
- mogu obrazloiti svoje odluke
- mogu imati sposobnost uenja
Samoobuavanje je nauni zadatak ije reenje omoguava sistemu zasnovanom na znanju da
automatski ui iz procesa zakljuivanja, izvrenih sluajeva, i okruenja. Za samoobuavanje je
potreban upravljaki mehanizam koji otkriva opte pretpostavke i znanje u specifinim podacima i u
iskustvu, a sve to na osnovu valjanih statistikih i raunskih principa.
14
Naune discipline
Zato se sistemi zasnovani na znanju razvijaju (prave) na drugaiji nain. Sistemi zasnovani na
znanju moraju biti razumljivi (user-friendly), veliki obim znanja i upravljaka logika ne garantuju da e
biti prihvaeni od strane korisnika. Razvoj je skup, rizian i zahteva velike napore.
Problemi sa razvojem Sistema zasnovanih na znanju:
- visoki trokovi i veliki napori
- ukljuivanje strunjaka u domenu za koji se razvija sistem zasnovan na znanju
- priroda znanja
- visoki nivo rizika
Osnovne aktivnosti u razvoju sistema zasnovanih na znanju su:
1. prikupljanje znanja,
2. pronalaenje izvodivih zahteva,
3. izbor strategije i ukupnog projektovanja SISTEMI ZASNOVANI NA ZNANJU,
4. izbor ontologije i predstavljanja znanja,
5. razvoj sistema i njegova realizacija (implementacija),
6. testiranje, realizacija i obuka.
Ovih 6 aktivnosti su podeljene u 4 faze:
- analiza
- projektovanje
- detaljno projektovanje
- realizacija
Prvi ciklus razvoja
- inenjer znanja poinje da razumeva okruenje i probleme, priprema listu zahteva kroz
kontakte sa strunjakom i korisnikom
- inenjer znanja je razumeo izvodive zahteve izraene tehnikim, ekonomskim i operacionim
terminima
- inenjer znanja priprema opti projekat sistema zasnovanih na znanju i konsultuje lanove
tima u vezi sa detaljnim projektom
- razvijaju se moduli, i pravi prototip
- prototip se testira u odnosu na standarde i listu zahteva, to moe generisati nove (do tada
skrivene) zahteve
Drugi ciklus razvoja
- prikupljanje dodatnih zahteva, dodatno projektovanje, razvoj
U proces prikupljanja znanja ukljueno je vie osoba: inenjer znanja, strunjak u domenu za koji
se projektuje sistem zasnovan na znanju, korisnici, i programeri.
Ekspertski sistemi
Ekspertski sistem je tip aplikativnog (izvrnog) programa koji donosi odluke ili reava
probleme u odreenoj oblasti koristei znanje i analitika pravila definisana od strane eksperata u toj
oblasti. Sistem zasnovan na znanju je sistem koji korsiti znanje dobijeno uz njega da rei probleme u
odreenoj oblasti. Knjige i prirunici imaju ogromnu koliinu znanja, ali ovek mora da ita i tumai
15
Naune discipline
to znanje da bi ga koristio. Uzimajui ovo u obzir, moe se rei da ovek ne moe da izvri
komplekasn problem zbog raznih nedostataka kojima se ovek suoava. Nedostatak zbog
nepouzdanosti, brzine i nedovoljno kapaciteta memorije e pruzrokovati oveku da napravi greku ili
da bude neefikasan. Za ovaj sluaj ljudi mogu dizajnirati ekspertski sistem koji pruaju ljudskoj
inteligenciji znanje u reavanju odreenih-specifinih problema [9].
Ovi ekspertski sistemi i sistemi zasnovani na znanju imaju osnovna pravila kojima su oni obavezni
da im pomau u reavanju sloenih problema. Dovoljno informacija mora biti prueno ekspertnom
sistemu da bi se mogli ostvariti razliiti zadaci koje bi ovek hteo da uradi. Sistemi zasnovani na
znanju prikupljaju male fragmente ljudskog znanja human know-how u baze znanja, koje se koriste
sa razlogom kroz problem, korienjem odgovarajueg znanja. Sposobnost ovih ekspertnih sistema
da objasni proces rezonovanja kroz koji oni prolaze je karakteristika koju oni ne mogu da urade.
Sistemi zasnovani na znanju su generalniji nego ekspertski sistemi. Kao to se vidi na slici 8, koja
ilustruje razliku, sistemi zasnovani na zanju su ireg domena nego ekspertni sistemi. Ekspertski
sistemi su odreenog domena nekog sistema zasnovanog na znanju, koji taj ekspertski sistem koristi
za reprezentovanje znanja u reavanju problema.
Slika 8: Odnos ekspertskog sistema i sistema zasnovanih na znaju [9].
Ekspertski sistemi su iroko poznati u reavanju sloenih problema. Raunari su dobri u

predstavljanju brojeva, rei, ak i mapa, ali najvea potekoa sa kojom se suoava je
reprezentovanje znanja.
Neki
[9]:
-
od istaktnutih ekspretskih sistema koji se koriste u robotici, samoj vetakoj inteligenciju su

programski jezik: Prolog (zasnovan na logici)
programski jezik: CLIPS i Jess (CLIPS koji koristi Javu za vie funkcija)
programski jezik: ART
ekspertni sitem: R1 (procesiranje naloga)
Mycin (medicinski ekspertni sistem za dijagnostikovanje infekicija krvnih bolesti i
prepruivanje antibiotika za leenje)
16
Naune discipline
-
Dendral (prepoznavanje struktura organiskih molekula od njihovih hemijskih molekula)
Naravno i ekspertski sistemi imaju svoje prednosti i mane.

Ekspertski sistemi donose sledee dobitke:
poveani izlaz i produktivnost,
poboljan kvalitet,
smanjeno vreme zastoja,
obuhvatanje retke strunosti,
fleksibilnost i pouzdanost,
integrisano znanje,
edukacioni dobici/olakava obuavanje,
poveava sposobnost reavanja problema,
dokumentacija znanja i olakavanje prenosa znanja.
Prednosti ekspertskih sistema:
baze znanja ekspertskih sistema je mogue dopuniti, aurirati i proiriti,
sadri oromnu koliinu informacija.
Mane ekspertskih sitema su ta da:
nisu u mogunoati da ue iz greaka,
ne mogu kreativno doi do novih reenja za probleme.
17
Naune discipline
Robotika
Uvod
Robotika predstavlja naunu disciplinu koja se bavi izuavanjem, stvaranjem inteligentnih robota
kao i razvojem i promenom novih algoritama upravljanja u robotici i reavanjem posebnih zadataka
u robotici. Roboti su sloeni elektormehaniki sistemi (fiziki agenti) koji izvravaju manipulacione i
druge sloene zadatke u svojoj okolini. Zog svoje svrhe i namene oni su opremljeni efektorima,
takozvanim izvrnim delovima, kao to su noge, ruke, zglobovi, tokovi ili hvataljke [10]... Inteligenti
robot je mehanika tvorevina koja moe autonomno funkcionisati. Zato mehanika zato to je
napravljeno i konstruisano; tvorevina valja o njoj misliti kao o neemu to postoji (entitetu) sa
svojom sopstvenom motivacijom, i procesima odluivanja; autonomno funkcionisanje moe
opaati, delovati, moda ak i rasuivati ne samo izvravati iznova i ponovo iste stvari kao kod same
automatizacije. Postoje razni razlozi postojanja razliitih vrsta robota, nekada je razlog nepristupani
tereni samom oveku, nekada potreba za robotima je iz razloga to bioloki sistemi nisu u
mogunosti da urade neto na pravi nain ili pak da obavljaju poslove koje iva bia ne mogu. Roboti
su opremljeni senzorima, koji im omoguavaju da opaaju okolinu u kojoj se nalaze i da imaju
interakciju sa istom. U dananjoj robotici koriste se razliite vrste senzora, ukljuujui kamere i lasere
za merenje i opaanje okruenja, kao i iroskopi i akcelerometri za merenje kretanja samog robota.
Roboti se dele na tri osnovne kategorije:
1. Manipulatori (industrijski roboti),
2. Pokretni roboti (razne vrste pokretnih robota: zemaljska vozila, letelice i podvodna vozila),
3. Pokretni manipulator (Humanoidi) ovekoliki robot.
Postoje etiri glavna modaliteta vozila:
- Terenska vozila bez ljudske posade
- Bespilotne letelice
- Podvodno vozilo bez posade ili autonomno podvodno vozilo
- Povrinska vozila bez posade (plovila)
Vetaka inteligencija i paradigme

U ovom radu se bavimo izaavanjem terenskih vozilia bez ljudske posade (eng.: autonomous cars
ili self-driving cars). Postoje tri kategorije: pokretni, ovekoliki ili oblika ivotinje, i minijaturni.
Inteligencija je bitan faktor kod svih tipova robota, pa i kod autonomnih vozila. Vozila bez posade
zahtevaju vetaku inteligenciju (AI) iz sledeih razloga:
- Interpretacija informacija sa senzora: bun ili velika stena?, Problem simbol-teren,
Interpretacija terena
- Svest o situaciji/Opta slika
- Interakcija ovek-robot
- Otvoreni svet i viestruke dijagnoze otkaza i oporavak
- Lokalizacija u preenim oblastima kada GPS (Global Positioning System) ne funkcionie
18
Naune discipline
-
Tretiranje neizvesnosti
Manipulatori
Obuavanje
Kada ve pominjemo i vetaku inteligenciju bitno je pomenuti koje su sve glavne oblasti AI-a:
1. Predstavljanje znanja
- kako bi robot trebalo da predstavlja samog sebe, svoj zadatak i svet
2. Razumevanje prirodnih jezika
3. Obuavanje
4. Planiranje i reavanje problema
- Misija, zadatak, planiranje putanje
5. Zakljuivanje
- Generisanje odgovora kada ne postoji potpuna informacija
6. Pretraga (pretraivanje)
- Nalaenje odgovora u bazi znanja, nalaenje objekata u svetu
7. Vienje
Vetaka inteligencija se fokusira na autonomnost. Bitno je razlikovati pojmove autonomnost i
automatizacija.
Automatizacija:
- Izvravanje preciznih akcija koje se ponavaljaju, ili niza akcija u dobro upravljivom okruenju
koje se i dobro razume
- Unapred programirane akcije
Autonomnost
- Generisanje i izvravanje akcija radi ostvarivanja cilja ili izvravanja zadatka, kada izvravanje
moe biti ometano pojavom nemodelovanih dogaaja ili okruenja, to zahteva od sistema
da se dinamiki adaptira i da vri ponovno planiranje.
- Adaptivnost
Autonomnost funkcionie u dva sloja: reaktivno i promiljeno (eng.: Deliberative). Dok tri
paradigme u AI odreuju ta se deava u kome sloju, one su zasnovane na tri robotske osnovnekljune rei (3 robotska primitiva): opaanje (sensing), plan (plan), delovanje (act).
Najvaniji skupovi osnovnih pretpostavki i pravila ine sledee tri paradigme, slika 9:
- Hijerarhijska paradigma
- Reaktivna paradigma
- Hibridna paradigma
19
Naune discipline
Slika 9: Paradigme
Kod autonomnih vozila primenjena je Hibridna paradigma.

Zbog nedostataka koji su se javili kod reaktvine paradigme, dolo je do potrebe da se planiranje i
promiljenost vrate u robote, a da se pri tome sauva ono to je dobro kod reaktivne paradigme: Ova
paradigma je omoguavala realizaciju robota koji su radili u realnom vremenu koristei relativno
jeftine, komercijalno raspoloive procesore, bez memorije. Hibridna promiljeno/reaktivna
paradigma koristi reaktivna ponaanja, ali ukljuuje i planiranje, realizovano bilo odozdo-na-vie, ili
svrha-na-dole, ime se ukljuuje inteligencija koja nije zasnovana na ponaanjima (nonbehavioral
intelligence). Planiranje koje je ukljueno u hibridnu promiljeno/reaktivnu paradigmu moe biti,
dakle, realizovano i s-vrha-na-dole, kao kod hijerarhijske paradigme, sa modelima globalnog sveta.
Smatra se da je hibridna paradigma najbolje opte robotsko reenje, jer:
- Korienje metoda asinhrone obrade (vieprocesna obrada multitasking, niti threads, i
drugo) dozvoljava nezavisno izvravanje funkcija promiljenosti u odnosu na reaktivna
ponaanja (na primer, planer trai novi cilj, dok se robot reaktivno kree ka trenutnom cilju)
- Dobra softverska modularnost dozvoljava podsistemima hibridne arhitekture da se meaju i
usklauju i prilagoavaju prema potrebama za reaktivnim ili promiljenim delom
arhitekture. Primene u kojima se trae isto reaktivna ponaanja mogu aktivirati samo onaj
deo arhitekture vezan za ponaanja, dok domeni koji su zahtevniji
Organizacija hibridne paradigme se svodi na, slika 10: PLAN PRIKUPLJANJE SENZORSKIH
INFORMACIJA DELOVANJE.
20
Naune discipline
Slika 10: Organizacija hibridne paradigme

Sama ideja hibridne paradigme je veoma laka: prvo se osmisli plan, pa se zatim prikupe senzorske
informacije i deluje.
Na primer: autonomni automobil skree levo to ini plan, prikuplja informacije okruenja u
saobraaju pomou svojih senzora, i deluje na nain na koji mu dozvoljava saobraaj i sam sistem
zasnovan na znanju unutar vozila.
Pretpostavke (dve) ideje hibridne paradigme:
Planiranje je dugorono i zahteva globalno znanje, te ga treba odvojiti od izvravanja u
realnom vremenu (princip softverskog inenjerstva razliite funkcije u razliite objekte).
Ovo je dobro za postavljanje ciljeva i izbor metoda. Dakle, promiljanje radi sa simbolima (cilj
crvena grupa), dok su konane odluke na reaktivnom nivou, reakcija radi sa senzorima i
aktuatorima (na primer, crvena grupa ispoljava polje privlaenja)
Planiranje i korienje algoritama globalnog modeliranja su raunarski skupi, valja ih odvojiti
od izvranja u realnom vremenu
Organizacija hibridne paradigme podeljena je u dva dela:
- reaktivni deo (reaktor reactor)
- deo promiljanja (promilja deliberator)
Njihove karakteristike sa aspekta vremena su, na osnovu tri glavna dela vremena: prolost,
sadanjost, budunost, su:
- Reaktor: postoji u SADANJOSTI (moe relativno malo trajati)
- Promilja: moe rasuivati o PROLOSTI i moe se projektovati u BUDUNOST
Sam koncept autonomnog vozila baziranog na hibridnoj paradigm, sa svim svojim tehnolokim
dostignuima, postojeim projektima i idejnim reenjima je tema ovog rada kojom emo se baviti u
nastavku.
21
Tehnologije
Tehnologije
Senzori
Razvoj i napredak pravih robota zavisi u istoj meri ne samo od upravljakog programa ve i od
projektantskih reenja poput senzora i efektora koji ine sam hardver robota. Senzori predstavljaju
opaajnu spregu izmeu robota i okruenja. Postoje dve vrste senzora: Pasivni senzori i aktivni
senzori. Pasivni senzori, kao to su kamere, su robotski posmatrai okruenja, oni hvataju signale
koje generiu drugi izvori u okruenju. Aktivni senzori, kao to je sonar, alju energiju u okruenje, i
oslanjaju se na injenicu da se ta energija reflektuje od okruenja i vraa nazad ka senzoru. Aktivni
senzori pribavljaju vie informacija od pasivnih senzora.
Bez obzira da li su aktivni ili pasivni, senzori se dele na tri vrste u zavisnosti od toga da li opaaju
okruenje, lokaciju robota, ili njegovu unutranju konfiguraciju.
Tipovi senzora:
Daljinomeri: su senzori koji mere udaljenost do oblinjih objekata. Prve verzije daljinomera
su bili sonarni senzori, koji su bili u upotrebi u samim zaetcima robotike. Oni emituju zvune
talase usmerene ka objektima okoline, koji se reflektuju i deo zvuka se vraa u senzor.
Vreme i jaina povratnog signala su pokazivali udaljenost oblinjih objekata. Ova tehnologija
se jo uvek ponegde primenjuje u podvodnim vozilima bez posade. Postoji jo jedna
tehnologija koja je pretea daljinometara a to je stereo vienje. Veina dananjih terenskih
vozila je opremljena daljinomerima. Ovi otiki daljinomeri emituju aktivne signale (svetlost) i
mere vreme dok se refleksija tog signala ne vrati u senzor. Drugi tip daljinomera koji su inae
i najzastupljeniji na terenskim vozilima jesu takozvani skenirajui lidari, to su specijalne 1pikselne kamere koje koriste laserske zrake, koji se usmeravaju pomou sloeno podeenih
ogledala ili rotirajuih elemenata. Radar je jo jedan tip senzora za merenje daljine koji se
uglavnom koristi u podvodnim vozilima. Oni mogu da mere rastojanja od vie kilometara. I
kao jo jedna vrsta senzora za merenje daljine su tzv. taktalni senzori. To su ustvari senzori
koji su osetljivi na dodir i mere razdaljniu na osnovu fizikog kontakta, mogu se primeniti
samo za opaanje objekata koji su veoma blizu robota [10].
Senzori lokacije: su senzori koji koriste opaanje rastojanja kao prvenstvenu komponentu za
odreivanje lokacije. U otvorenom prostoru je sistem globalnog pozicioniranja (eng.: Global
Position System GPS) najee reenje za problem lokalizacije. GPS meri razdaljinu od
satelita koji emituju pulsirajue signale. Trenutno u zemljinoj orbiti postoji 31 3 satelit koji
emituju pulsirajue signale na vie razliitih frekvencija. GPS prijemnici mogu da utvrde
udaljenost od ovih satelita analizom pomeraja faze. Triangulacijom signala iz vie satelita,
GPS prijemnici mogu da utvrde svoju apsolutnu lokaciju na zemlji sa preciznou od nekoliko
metara. Da bismo dobili preciznija merenja odnosno lokacije, koristi se diferencijalni GPS,
koji ukljuuje drugi zamaljski prijemnik sa poznatom lokacijom, pa se pod idealnim uslovima
dobija milimetarska preciznost [10].
3
Podatak iz knjige: Vetaka inteligencija, savremeni pristup, Prevod treeg izdanja, 2011.
22
Tehnologije
Proprioceptivni senzori: trea znaajna klasa senzora, koji obavetavaju robota o vlastitom
kretanju. Oni se uglavnom koriste kod ovekolikoh robota i u industrijskim robotima gde se
koriste za merenje precizne konfiguracije robotskog zgloba. Jedna od vrsta ovakvih senzora
jesu odometri, koji se koriste kod autonomnih vozila za izvetavanje sistema pomou
osovinskih enkodera o obrtajima tokova, a svrha im je merenje odometrije odnosno
preenog puta.
U kratkim crtama bie objanjeni pojmovi razliitih vrsta senzora koji se koriste kod autonomnih
vozila, kasnije u odeljku Komponente sistema bie prikazani i u praksi.
Radar je senzor koji koristi radio talase da odredi opseg-razdaljinu, smer ili brzinu objekata. Radar
je tajno razvijan od nekoliko zemalja jo pre i tokom Drugog svetskog rata. Termin RADAR je nastao u
Sjedinjenim Amerikim Dravama tokom 1940 godine od strane mornarice kao akronim za RAdio
Detection And Ranging. Moderna upotreba radara je veoma raznovrsna, primenjuje se u raznim
sferama: vazduhoplovstvu, nadgledanju morskih dubina, u astronomiji, vazduno odbrambenim
sistemima, medicini... Veliku upotrebu dobija i u autonomnim sistemima za upravljanje vozilima [11].
LADAR/LIDAR LAser Detection And Ranging ili LIght Detection And Ranging koristi lasersku
svetlost da otkrije udaljenosti objekata, slino radarskim sistemima. LIDAR laseri koristi
ultraljubiaste, vidljive, ili skoro blizu infracrvene svetlosti, da bi oslikali objekte i mogu se koristiti za
irok spektar ciljeva ukljuujui nemetalne objekte, stene, kiu, hemijska jedinjenja, aerosoli, oblake,
pa ak i pojedinane molekule [11]. Uski laserski zrak moe da mapira fizike osobine objekata sa
veoma viskom rezolucijom. LIDAR tehnologija se koristi u robotici za opaanje ivotne sredine, kao i
za klasifikaciju objekata. Sposobnost LIDAR tehnologije omoguava da obezbedi trodimenzionalne
mape terena, visoku preciznost udaljenosti, i brzinskim pristupom da omogui bezbedno
zaustavljanje vozila sa viskom stepenom tanosti. LIDAR se kod vozila koristi u adaptivnoj kontroli
kretanja (Adaptive Cruise Control ACC). Sistemi poput Siemens-a i Hella koriste LIDAR ureaje
monitirane na prednjem delu vozila, kao to je na braniku, da prate rastojanje izmeu vozila, i bilo
kog vozila ispred, slika 11.
23
Tehnologije
Slika 11: ematski prikaz snopa svetlosti LIDAR-a

GPS je kao to je ve pomenuto sistem zasnovan na prostoru satelitske navigacije, koji obezbeuje
tanu lokaciju i poziciju vozila u svim vremenskim uslovima, bilo gde na zemlji. U robotici primena
GPS ureaja se zasniva na samostalnoj navigaciji korienjem GPS senzora, koji izraunavaju
geografsku irinu, duinu, vreme i brzinu, pa na osnovu kordinata mape daju informacije sistemima
unutar autonomnih vozila [12].
Computer Vision je polje koje obuhvata metode za dobijanje, obradu, analiziranje i razumevanje
slike i, u principu, visoko dimenzionalne podatake iz realnog sveta u cilju da proizvedu numerike ili
simbolike informacije. Kao tehnoloka disciplina, Computer vision nastoji da primenjuje svoje teorije
i modele za izgradnju CV sistema. Primeri ove tehnologije se mogu nai u raznim sistemima, pa i u
robotici odnosno sistemu autonomnog vozila [15].
Odometar ili odograph je instrument koji slui za da pokae udaljenost koju je vozilo prelo. Veina
odometara radi brojanjem rotacije tokova, preeno rastojanje se meri brojem obrtaja toka puta
dimenzija obim gume.
24
Tehnologije
Saobraajno komunikacioni sistemi

Saobraajno komunikacioni sistemi, eng. Vehicular communication systems je tip mree u
razvijanju u kojem su vozila i delovi puteva (putne jedinice) vorita komunikacije, pruajui jedni
drugima informacije, kao to su bezbenosna upozorenja i informacije o saobraaju. Kao kooperativni
pristup, saobraajno komunikacioni sistemi mogu biti efikasniji u izbegavanju saobraajnih nesrea i
saobraajnih guvi, nego bilo koje drugo vozilo koje samostalno pokuava da izbegne ovo.
Saobraajni komunikacioni sistemi su integrisani tip mree u kojem su vozila i drugi delovi du puta
komunikaciona vorita koja pruaju jedni drugima informacije [16].
Generalno, saobraajne mree se sastoje iz dve vrste vorova: vozila i tzv. putnih stanica. Oba ova
ureaja su namenjena za komunikacije kratkog dometa eng. Dedicated Short Range
Communications (DSRC) DSCR rade na 5,9 GHz frekvencnom opsegu sa protokom od 75 MHz i
priblinim dometu od 1000 metara. Mrea bi trebala da podrava privatne podatke komunikacije i
javne (pre svega bezbedne) komunikacije., ali se vei prioritet daje javnoj komunikaciji. Saobraajna
komunikacija obino se razvija kao deo inteligentnih transportnih sistema, eng. Intellignet Transport
Systems (ITS). ITS nastoji da postigne sigurnost i produktivnost putem inteligentnog transporta koji
objedinjuje komunikaciju izmeu mobilnih i fiksnih vorova. U tom cilju ITS se oslanja u velikoj meri
na ine i beine mree. Slika 12 predstavlja skica fisknih i mobilnih vorova unutar saobraajnog
komunikacionog sistema.
Slika 12: Mobilni i fiksni nodovi VCS-a

Glavni motiv saobraajnih komunikacionih sistema je na prvom mestu bezbednost uesnika u
saobraaju i eleminisanje prekomernih trokova saobraajnih sudara [14]. Prema procenama Svetske
zdravstvene organizacije (WHO), saobraajne nesree godinje prouzrokuju 1.2 miliona smrtnih
25
Tehnologije
sluajeva irom sveta, takoe godinje oko 50 miliona ljudi doivi povrede u saobraajnim
nesreama. Ameriko ministratsvo za transport sugerie da ovaj broj moe biti znaajno smanji samo
ako bi se u sadanjem saobraaju postavljali lokalni sistemi upozorenja kroz saobraajnu
komunikaciju koji se planiraju za saobraajne komunikacione sisteme budunosti [17].
Saobraajna komunikacija je uglavnom motivisana eljom da se sprovedu inteligentni transportni
sistemi (ITS) zbog svojih kljunih prednosti u pogledu sigurnosti i jednostavnom planiranju transporta
ili putovanja. Nekoliko ITS institucija posluje irom sveta da bi doneli upotrebu ITS-a u realnom svetu.
U Sjedinjenim Amerikim Dravama glavni zagovornik ove ideje je i samo Ministarstvo za transport
(USDOT). Federalno ministarstvo transporta, promovie ITS kroz ulaganja u potencijalno visoko
isplatljivim inicijativama. Jedna od tih glavnih inicijativa Integracija saobraajne infrastukture eng.
Vehicle Infrastructure Integration (VII), nastoji da povea sigurnost obezbeujui komunikacije
izmeu vozilo-vozilo V2V i vozilo-putne stanice eng. vehicle-to-infrastructure V2I, slika 16 i dr.
kroz komunikaciju krakog dometa (DSRC), slika 13.
Slika 13: ematski prikaz komunikacije kratkog dometa DSRC
Tehnike karakteristike komunikacije kratkog dometa su odvojene u dve kategorije i kao dva
nacrta standarda koji daju skice za saobraajne mree. Ovi standardi predstavljaju kategoriju IEEE
standarda za specijalni reim rada IEEE 802.11 za saobraajni mreu pod nazivom standard za beini
pristup saobraajnog okruenja eng. Wireless Access in Vehicular Environments (WAVE). 802.11p je
proirenje specifikacije za 802.11 Beini LAN srednjeg pristupnog sloja (MAC) i fizikog sloja (PHY).
IEEE 1609 standard [18], slika 14 prikazuje familiju standarda koji se bave pitanjima kao to su
upravljanje i bezbednost mree:
1609.1 Resource Manager: ovaj standard obezbeuje resurse menadera za WAVE,
omoguavajui komunikaciju izmeu udaljenih aplikacija i vozila,
1609.2 Security Service: bezbednosni servis za aplikacije i upravljanje porukama,
1609.3 Networking Service: ovaj standard slui za adresiranje pitanja i problema mrenog
nivoa za sabraajnu mreu WAVE,
1609.4 Multi-channel Operation: ovaj standard se bavi komunikacijama putem vie kanala.
26
Tehnologije
Slika 14: IEEE 1609 dijagram

Obezbeivanje sigurnosti je primaran cilj saobraajnih komunikacionih mrea. Vozila koja otkriju
neposrednu opsnost, kao to su prepreke i sl. obavetavaju druga vozila. Elektronski senzori u
svakom automobilu mogu da detektuju nagle promene u putanji ili brzini kretanja i poslati
odgovarajuu poruku susedima. Vozila mogu obavestiti oblinja vozila o svojim pravcima kretanja i
promenama da bi drugi vozai mogli da donesu bolje i odgovarajue odluke na vreme, ovo je
mnogo naprednija verzija od dananjih pokazivaa pravaca. U naprednijim sistemima na
raskrsnicama sistem odluuje koje vozilo ima pravo prvenstva prolaza, u zavisnosti od situacije
automatski obavetava i sve ostale uesnike u saobraaju, samim tim ih i rasporeuje u nekakav
redosled prolaska, ematski prikaz raskrsnice slika 15.
Neka od neposrednih obavetenja su:
Upozorenja o ulasku u raskrsnicama,
Upozorenja o naputanju autoputeva,
Otkrivanje prepreka,
Upozorenja o iznenadnom zaustavljanju,
Izvetavanje o nesrei,
Upozorenje o promenama traka,
Upozorenje o ulasku na autoputeve,
Upozorenje o dolasku vozila velikom brzinom,
Upozorenje o nailasku na vozilo za mnogo manjom brzinom...
27
Tehnologije
Slika 15: sistem koji regulie raskrsnicu

Upravljanje saobraajem se koristi od strane ovlaenih struktura a kako bi se olakao protok
saobraaja i da obezbedi krae vreme putovanja u odnosu na guvu. Organi zadueni za upravljanje
saobraajem mogu promeniti i pravila saobraaja kao to su: promena dozvoljene brzine, smerove
kretanja, zaustavljanja saobraaja, proputanje vozila hitnih slubi koja nailaze itd... zbog konkretnih
situacija kao to su loe vreme, policijska potera i sl.
Pored puteva mogu stajati razne saobraajne jedinice koje vozaima mogu obezbediti neophodne
informacije ili informacije od pomoi za kontrolu vozila, to su takozvani Driver assistance systems,
oni mogu biti od koristi i komercijalnim vozilma koja voze ljudi, na primer to su sitemi za: parkiranje
vozila, cruise control (tempomat), pomo pri kretanju u traci na uzbrdici, prepoznavanje znakova...
Saobraajna komunikacija moe sluiti i prilikom primenu zakona kao dokazni materijal, ako je
neko vozilo prekrilo postojeu signalizaciju ili napravilo neki drugi prekraj. Takoe, mogu se vozilu
proslediti informacije poput: upozorenja ograniene brzine, zabrane ulaska na autoputeve,
iskljuivanje sa autoputeva ili prolaska naplatnih rampi, obavetenja tipa stani sa strane, itd.
Saobraajna komunikacija moe sluiti i za nadgledanje saobraaja i deavanja unutar samog
saobraaja, prepoznavanje neispravnih vozila... Mogua je i naplata saobraajnih prekraja
elektronskim putema, beleenje svih nainjenih prekraja, itd...
Obavetavanje vozila o benzinskim pumpama, stajalitima, servisima du rute kretanja. U sluaju
kretanja na put, trenutni pravac nije prohodan, obezbeivanje alternativnih pravaca na osnovu
odreenih parametara, obavetavanje putnika o vremenu dolaska itd... Tokom putaovanja, putnici
mogu koristiti i alternativne sadraje saobraajnih mrea kao to su: pristup na web, email, skidanje
eljenih fajlova i sadraja, zabava pa i online igranje.
28
Tehnologije
Komunikacija vozilo-vozilo (V2V)

V2V (eng. vehicle to vehicle), komunikacija od vozila do vozila, je automobilska tehnologija
projektovana da omogui komunikaciju izmeu automobila, da mogu meusobno da razgovaraju.
V2V je trenutno u aktivnom razvoju od strane GM-a, koji je demonstrirao sistem koristei Kadilakova
vozila. Takoe i ostali vodei proizvoai vozila rade na V2V, kao to su BMW, Daimler, Audi, Honda,
Volvo [19]. Danas postoji konzorcijum proizvoaa automobila koji razvijaju ovaj koncept
komunikacije pod nazivom Car-to-Car komunikacioni konzorcijum. Na slici 16, skicirana je
komunikacija izmeu vozila, dok je na slici 17 predstavljena vizuelna slika u realnom svetu kako
vozila alju signale jedna drugim.
Slika 16: Skica V2I i V2V komunikacije
Slika 17: Komunikacija u realnom saobraaju
29
LiDAR sistemi
LiDAR sistemi
Kao jedan od vanijih faktora u konceptu autonomnih vozila LiDAR sistem je od bitne
vanosti za samo pozicioniranje vozila i sredine u kojoj se vozilo kree, odnosno za interakciju izmeu
samog vozila i svih objekata u njegovom okruenju. Da bi smo koncept LiDAR sistema i samih LiDAR
senzora shvatili kao jedan od bitnijih faktora u autonomnim vozilima, morali bi prvo da razumemo i
njihovu pozadinu, odnosno sistem ili bolje reeno diciplinu sistema koji se zasnivaju na nekom
prikupljenom znanju, ukratko sistemi zasnovani na znanju, to je ve bilo pomenuto u uvodnom
delu.
LiDAR, ili 3D laser skeniranje, je osmiljen 1960-ih za otkrivanje podmornica iz aviona, a rani
modeli su uspeno korieni poetkom 1970-ih u SAD, Kanadi i Australiji. Tokom preteklih deset
godina dolo je do znaajnijeg pomaka u u potrebi LiDAR senzora. Ovo je praeno poveanjem svesti
i razumevanjem o LiDAR sistemima u industrijama koje nisu iskljuivo povazane i gde je usvojena
primena istih.
Terenski zasnovani LiDAR sistem

Terenski LiDAR sistemi su veoma slini LiDAR sistemima koji se korsite na letelicama, veina
LIDAR sistema su napravljeni od LIDAR senzora, GPS resivera, interne merne jedinice inertial
measurement unit (IMU), ugraenog raunara i ureaja za uvanje podataka. Jedina razlika izmeu
LiDAR sistema koji se koriste na zemlji i u vazduhu jeste da IMU nije potrebno za tzv. terenski LiDAR
sistem koji je uglavnom montiran na stativ na kom LiDAR sensor rotira svih 360 stepeni. Pulsirajui
laserski zrak se reflektuje od objekata, kao to su prednje strane zgrada koje se nalaze na pravcu
kretanju laserskog zraka, bandera, vegetacije, drugih vozila, i naravno ljudi i ivotinja. Povratni
impulsi se snimaju, a rastojanje izmeu senzora i predmeta se obraunava. Prikupljeni podaci su u
point cloud formatu, to je trodimenzionalni niz taaka, od kojih svaka ima x, y i z pozicije u odnosu
na izabrani koordinatni sistem.
Kako ustvari LiDAR radi? (Nauka iza tehnologije)

Princip LiDAR sistema je zaista vrlo jednostavan. Merenje vremena koje je potrebno da obasjana
mala svetlost doe do povrine i vrati se nazad do izvora. Primer: kada upalite baklju povrinu koju
zaparavo vidite je svetlost od baklje koja se reflektuje preko te povrine i projektuje na vau
mreanjau. Svetlost putuje veoma brzo 300.000 kilometara u sekundi, tako da pretvaranje svetlosti
deluje da je trenutno. Naravno, to nije! Oprema potrebna za merenje mora da radi izuzetno brzo.
Tek sa napredkom modernih kompjuterskih tehnologija to je postalo mogue.
Stvarna raunica za merenje koliko daleko je povratni svetlosni foton putovao do i od objekta je
prilino jednostavna (1).
Distanca = (brzini svetlosti x vreme leta) / 2
30
(1)
LiDAR sistemi
LiDAR isntrument ispaljuje automatske brze impulse laserske svetlosti na povrinu i do 150.000
impulsa u sekundi, senzor na instrumentu meri koliinu vremena koja je potrebna da se svaki impuls
odbije nazad. Svetlost se kree konstantnom brzinom tako da LiDAR instrument moe da izrauna
distancu izmeu sebe i cilja sa viskom preciznou. Ponavljanjem toga izuzetno brzim nasleivanjem
instrument pravi sloenu mapu povrine koju je izmerio.
Generalno, postoje dva tipa LiDAR metoda detekcija. Direct energy detekcija, takoe poznata
kao nepovezana, i koherentna detekcija. Koherentni sistemi su najbolji za Doppler ili fazno osetljiva
merenja i generalno koriste optiko heterodinu detekciju. To im omoguava da rade sa mnogo
manje sange, ali ali ima vee trokove zbog zahteva za monog kompleksnijim primopredajnicima. U
oba tipa LiDAR sistema postoje dva glavna modela pulsa: mikropuls i visoko-energentni sistemi.
Mikropulsni sistemi su se razvili kao rezultat monijih raunara sa veim raunarskim mogunostima.
Ovi laseri su slabije snage i klasifikavani kao eye-safe omoguavajui im da se koriste sa manjim
merama bezbednosti. High energy sistemi ili visoko energentni sistemi se najee koriste za
atmosfersko istraivanje gde se esto koriste za merenje razliitih atmosferskih parametara kao to
su visine, slijevi i gustine oblaka, temperatura, pritisak, vetar, vlaga i tragove koncentracije nekog
gasa.
Komponente LiDAR-a
Veina LiDAR koriste etiri glavne komponente [20]:
Laseri
Laseri su kategorizovani prema njihovoj talasnoj duini. 600-1000 nm laseri se ee koriste za ne
naune svrhe, ali, jer oni mogu biti usmereni i lako apsorbujui za ljudsko oko, maksimalna snaga se
mora ograniiti da budu takzovano eye-safe bezbedni za oi. Laser sa talsnom duinom od 1550
nm su uobiajena alternativa poto nisu u fokusu oka i takoe su eye-safe na mnogo viim nivoima
snage. Ove talasne duine se korsite za vee dometa i u svrhe manje tanosti. Jo jedna prednost
1550 nm talsanih duina je da se ne vide pod takozvanim nonim pogledom (night-vision) i stoga je
pogodan za vojne namene.
Skeneri i optike
Brzina kojom slike mogu da se razviju je uslovljeno brzinom kojom one mogu da se skeniraju u
sistem. Razliite vrste metoda skeniranja su dostupne za razliite namene. Njihova vrsta optike
odreuje koja rezolucija i opseg moe biti detektovana od strane sistema.
Foto-detektori i elektronski prijemnici
31
LiDAR sistemi
Foto detektor je ureaj koji ita i belei signal koji je vraen ka sistemu. Postoje dve glavne vrste
foto detektor tehnologija, solid state detektori i foto multiplikatori.
Navigacija i sistemi pozicioniranja

Kada se LiDAR senzor postavi na mobilnu platformu kao to su sateliti, avioni ili automobili,
neophodno je da se odredi i njihova apsolutna pozicija i orijentacija senzora da bi se dobili
upotrebljivi i tani podaci podaci. Global Positioning Systems - GPS obezbeuju preciznu geografisku
informaciju na osnovu pozicije senzora i Inertia Measurement Unit (IMU) belei preciznu orijentaciju
senzora na toj lokaciji. Ova dva ureaja obezbeuju metod za prevod podataka senzora u statike
take za upotrebu u razliitim sistemima.
LiDAR je postao sve vie populara kao sistem za navoenje autonomnih vozila. Brzina i tanost
skenera znai da se podaci mogu biti preneti u sistem da se obrade i vrate vie ili manje u relanom
vremenu. Ovo omoguava ureaju koje kontrolie vozilo da prepozna prepreke i da aurira svoju
rutu u veoma maloj koliini vremena.
LiDAR je ve naao i primenu u komercijalnim vozilima kroz razne vidove tehnologija i asistencija
vozaima tokom vonje.
LiDAR se koristi za kreiranje Adaptive Cruise Control (ACC) sistema za komercijalne automobile.
Sistemi kao to su Siemens i Hella koriste LiDAR ureaj postavljen na prednjem delu vozila da
nadgleda razdaljinu izmeu vozila i bilo kog drugog vozila ispred njega. esto, laseri su postavljeni na
branik vozila. U sluaju da vozilo ispred usporava ili je preblizu, ACC primenjuje konicu da bi usporio
ili zaustavio vozilo. Kada je put ispred ist, ACC omoguava vozilu da ubrza do brzine koju je postavio
voza.
LiDAR je takoe inkorporiran u razvoj zvani Pre-Scan gde laseri skeniraju povrinu puta nekoliko
stotina puta u sekundi. Zatim se ova informacija prosleuje putnom raunaru u vozilu i procesuira u
frakciji od sekunde koje prilagoava pojedinano veanja na svakom toku. Cilj ove tehnologije je da
se obezbedi besprekorni i najsigurniji mogui prevoz umanjujujui reakcije toka i gume na
nedostacima na povrini asfalta ili da upozori o preprekama ili tzv. udranim rupama.
32
Upravljaki algoritam
Upravljaki algoritam autonomnog vozila

Upravljaki algoritam autonomnog vozila (inteligentnog vozila) je zasnovana na hibridnoj
paradigmi. Arhitekturu moemo razdvojiti u tri nivoa ili grupe. Nivo opaanja, nivo upravljakog
softvera i fiziki nivo vozila, to je i grafiki predstavljeno na slici 18.
Nivo opaanja ine razliite vrste senzora koji prikupljaju informacije spoljanjeg sveta,
takozvanom fuzijom senzora pomou odgovarajueg algoritma.
Nivo upravljakog softvera, ili drugaije zvan nivo promiljenosti agente upravljanja vozilom,
planer puta, navigator i voza.
Fiziki nivo vozila, ili reaktivni sloj u sebi sadri kontrole upravljanja vozilom, tanije kontrole
motora, kontrole upravljanja, kontrole konice i kontrole transmisije.
Slika 18: Skica arhitekture autonomnog vozila
Uloga softvera autonomnog vozila je predstavljena na slici 19. Ovaj najosnovniji dijagram je
odgovarajui za skoro sva autonomna vozila. Kao to je ve bilo rei senzori su potrebni za opaanje
okruenja, te informacije predstavljaju ulaze softvera, a hardverski aktuatori su potrebni da bi
delovali u okruenju, oni predstavljaju izlaze softvera. Opciono, komunikacioni hardver unutar vozila
moe se koristiti za interakciju sa vozilom u realnom vremenu (ovo su oba i ulazi i izlazi softvera). U
praksi, neka forma komunikacionog linka je uglavnom uvek prisutna u bilo kom autonomnom vozilu.
Opciono takoe, ali ponekad veoma esto i ak od fundamentalnog znaaja je hardver za
skladitenje ugraenih podataka aktivnosti vozila kao i raznih nalaza (ovo su izlazi softvera).
33
Upravljaki algoritam
Slika 19: Osnovni dijagram

Autonomna vozila su dizajnirana tako da zadovolje visok nivo njihove svrhe, bilo da se koriste u
dubinama mora, u spoljnom svemiru, za bezbedan transport ljudi, ili spaavanja oveanstva od
samog sebe. Takve izjave jo uvek ne mogu biti direktno prevedene u izvorni kod. Tako da prvi korak
u procesu razvoja je uspostavljanje operativnih zahteva autonomnih vozila. Za softver, iskonski
zahtevi za razmatranje su interfejs podrka i nezavistnost platforme.
Hardverski senzori i aktuatori postoje sa mnogim razliitim interfejsima: mreni, USB, RS-232, RS422, RS-485, I2C, SPI, CAN, PWM, analogni interfejs... Isti je sluaj i sa hardverom za komunikaciju:
mreni, WiFi, Bluetooth, RS-232... Takoe, i za beleenja podataka: IDE, USB, MMC, SD,
CompactFlash... Izbor hardverske i softverske platforme bi morali da podravaju sve trenutne
interfejse, ili eventualno, potrebne interfejse od strane vozila.
Osim toga softverska platforma bi trebala da bude nezavisna od hardverske platforme. To bi
trebalo da omogui da se menja hardver kompjutera bez ikakve potrebe da se pie jo softverskog
koda i menja sam kod.
34
Arhitektura robotskog softvera

Metodologija struktuiranja algoritama naziva se arhitekturom softvera. Savremene arhitekture
softvera za robotiku moraju da ree kako da se kombinuje reaktivno upravljanje i promiljeno
planiranje zasnovano na modelu. U vie aspekata, reaktivni i promiljeni metodi imaju suprotne
kvalitete i mane. Reaktivno upravljanje pokreu senzori, pa su oni podesni za donoenje odluka
niskog nivoa u realnom vremenu. Meutim, ono retko proizvodi prihvatljivo reenje na globalnom
nivou, zato to odluke za globalno upravljanje zavise od informacija koje se ne mogu opaziti u vreme
donoenja odluke. Za ovakve probleme primereniji izbor je promiljeno planiranje. Zbog ovga, veina
robotskih arhitektura koristi reaktivne metode na nivim nivoima upravljanje, a promiljene metode
na viim nivoima. Arhitekture u kojima se kombinuju metode kao to su reaktivne i promiljene
nazviaju se hibridnim arhitekturama [10].
Arhitektura robotskog softvera se deli na tri vrste arhitektura:
1. Arhitektura obuhvatanja,
2. Troslojna arhitektura,
3. Protona arhitektura.
S obzirom da je za upravljanjem autonomnim vozilom neophodno da svi moduli funkcioniu i
obrauju podatke istovremeno, koristi se protona arhitektura za osnov softvera za autonomna
vozila. Sama ova arhitektura obuhvata i ostale dve arhitekture. Na osnovu toga da se protona
arhitektura izvrava paralelno na vie procesa je jednaka arhitekturi obuhvatanja, ali pojedinani
moduli protone arhitekture su slini troslojnoj arhitekturi, tako da protonu arhitekturu moemo
okarakterisati kao neku vrstu veoma sloene hibridne arhitekture.
Protona arhitektura koriena u autonomnim vozilima se sastoji iz nekoliko slojeva, prvo podaci
ulaze u sam tok izvravanja na sloju senzorkog interfejsa, zatim opaajni sloj aurira unutranje
modele okruenja robota na osnovu tih podataka. Zatim se ti podaci predaju sloju palniranja i
upravljanja, koji podeava unutranje planove robota i pretvara ih u stvarne komande za robotaautonomno vozilo. One se zatim saoptavaju vozilu kroz sloj interfejsa vozila.
Kljuno za protone arhitekture je to se sve ovo dogaa paralelno. Dok opaajni sloj obrauje
najnovije senzorske podatke, sloj kontrole zasniva svoje odluke na neznatno starijim podacima. U
tom pogledu je protona arhitektura slina ljudskom mozgu. Kao primer moemo uzeti sutuaciju
tokom kretanja, mi ne iskljuujemo kontrolu kretanja dok razmatramo nove senzorske podatke,
nego u isto vreme opaamo, palniramo i delujemo. Procesi se u protonoj arhitekturi izvravaju
asihrono, a sva izraunavanja su upravljana podacima. Rezultujui sistem je robustan i brz.
Arhitektura sistema autonomnog vozila je prikazna na slici 20, i predstavlja protonu arhitekturu
koja se koristi za izradu autonomnog vozila, gde softver ostvaruje protok podataka u kojem svi
moduli obrauju podatke istovremeno.
35
Slika 20: Protona softverska arhitektura autonomnog vozila [10].
Nakon to je ustanovljena osnova platforme koja je spremna za testiranje i proizvodnju

autonomnih vozila, neophodno je i razviti vitalan softver za upravljanje autonomnim vozilom
zasnovan na ve pomenutoj protonoj arhitekturi. Predhodna slika 20, predstavlja najosnovniji
dijagram softvera autonmnog vozila, malo detaljniji dijagram je predstavljen na slici 21.
Sledei korak u tipinom pristupu bi bilo prevoenje dijagrama sa slike 21, u izvorni kod softvera.
Svaki pod-blok e na kraju realizovati kao posebna nit koje bi se povezivale jedna sa drugom kroz
zajedniki deljeni region memorije zatien najjednostavnije sihronizacijom, dijagram na slici 22, ovo
je najrasprostranjeniji pristup naen u praksi. Na slici 23 je predstavljen i jedan grafiki algoritam
arhitekture sa delom koda pisanim u C jeziku koji je predstavljen na slici 24.
36
Slika 21: Blok dijagram softvera na osnovu funkcija
Slika 22: Tipina arhitektura: viestruke niti, deljena memorija i big lock
37
Slika 23: Primer dijagram toka arhitekture

int main()
{
struct pollfd pfd[N];
init(&pfd);
for (;;) {
poll(pfd, N, -1);
if (pfd[0].revents)
console();
if (pfd[1].revents)
sensor1();
if (pfd[2].revents)
sensorN();
control();
actuator1();
actuatorM();
console();
log();
}
}
Slika 24: deo koda pisan u programskom jeziku C
38
Komponente sistema autonomnog vozila

Kao primer celokupnog sistema autonomnog vozila moemo uzeti vozilo Autonomos Labs iz
Nemake, koji su predstavili model autonomonog vozila sa svom standardnom opremom,
neophodnom za funkcionisanje vozila bez ljudskog upravljanja. Projekat zvan MadeInGermany, je
modifikovani Volkswagen Passant Variant B6, slike 25 i 26, koji poseduje poslednju re tehnologije
LIDAR/RADAR sistema, kao i kamere radi boljeg pregleda okoline. Specijalni GPS sistem daje precizne
i tane informacije o poziciji vozila. Inteligencija vozila je zasnovana na softveru, koji je
implementiran na kompjuterskom sistemu koji se nalazi u gepeku vozila. Veinu elektromehanikih
izmena i integraciju senzora uradio je Volkswagen Research Garage, da bi se Autonomus Labs
skoncentrisao na softver. Operating System for intelligent cars je jedna od kljunih tema
istraivanja Artificial Intelligence Group na Freie Universitat Berlin.
Slika 25: VW Passat MadeInGermany

Slika 26: Delovi sistema MadeInGermany
Innovation Lab AutoNOMOS je osnovana od strane Nemakog Ministarstva za obrazovanje i razvoj

u okviru nemake High-Tech strategije.
Inae ovaj projekat je planiran da u skorije vreme ue u upotrebu kao vrsta autonomnog taksi
vozila u Berlinu.
39
Komponente:
GPS (eng. Global Positioning System) antena, je samo vidljivi deo visoko preciznog sistema
pozicioniranja. Najee koriene u navigacionim sistemima omoguava sirovo
pozicioniranje na osnovu satelitskih podataka, slika 27.
Slika 27: GPS antena
Odometar, prati rotaciju zadnjeg levog toka, na osnovu ega preena distance moe biti
izmerena uz podrku sistema pozicioniranja, slika 28.
Slika 28: Odometar prikaen na toak
40
Velodyne (TM) laserski skener, se koristi za lokalizaciju i detektovanje prepreka. Ima 360
okruujui pogled i belei 1.6 milion distancnih poena po sekundi, slika 29.
Slika 29: Laserski skener
Kamera detekcije linija snima High Dynamic Range (HDR) slike. Nalazi se u vetrobranskom
staklu vozila u konzoli centralnog retrovizora i usmerena je na put, kako bi auto bio odravan
u traci, slika 30.
Slika 30: Kamera za detektovanje linija puta
Lux (TM) sistem laserskog skenera sastoji se od est pojedinanih senzora i spojne kutije.
Omoguava a 360 okruujui pogled i integrie se lako u automobile, slika 31.
41
Slika 31: Laserski skener
SMS (TM) radar je radar kratkog dometa koji radi na 24GHz. Ovaj radar za traganje prepreka
omoguava fuziju podataka sa laserskim skenerom, slika 32.
Slika 32: Radar za prepreke
TRW (TM) radar, originalno je prvobitno razvijen za VW Adaptive Cruse Control (ACC). Njegov
opseg velike udaljenosti omoguava da se otkriju vozila koja su na razdaljini veoj i od 200
metara, slika 33.
42
Slika 33: Radar za otkrivanje udaljenih vozila
Sve ove gore navedene senzore moemo grafiki predstaviti kao to je to prikazano na slici 34.
Njihova fuzija, zatim dolazi do opaanja informacija od strane softvera i na kraju upravljanje
mehanikom vozila.
Slika 34: Senzori autonomnog vozila
43
Projekti
Projekti
Google vozila
Google driverless car autonomno vozilo, ili kako bi bio bukvalni prevod vozilo bez vozaa je
Google-ov projekat koji podrazumeva razvoj tehnologije za autonomna vozila [21]. Projekat trenutno
predvodi Google-ov inenjer Sebastian Thurn, koji je ujedno i direktor Stanford Artificial Intelligence
Laboratory i ko-pronalaza Google Street View.
Thurn-ov tim na Standford-u je kreirao robotizovano vozilo Stanley, slika 35, koje je 2005-te
godine osvojilo prvu nagradu na DARPA Grand Challenge takmienju i osvojio nagradu od 2 miliona $
od Ministarstva odbrane Sjedinjenih Amerikih Drava. Tim koji je radio na projektu je inio 15
visoko kvalifikovanih inenjera koji rade za Google. U samom takmienju DARPA Grand Challenge,
2004 i 2005, traio se da autonomno vozilo orevali preko 100 milja po neuvebanom pustinjskom
terenu za manje od 10 sati. Na na prvom takmienju ni jedan robot nije preao vie od 8 milja, ve
naredne godine robotizovano vozilo Stanley je kao to je pomenuto pobedilo na takmienju
preavi stazu za manje od 7 sati. Zatim je DARPA 2007 godine organizovala i Urban Challenge, u
kojem su roboti morali da preu 60 milja u gradskom okruenju. Robot Boss, slika 36, je zadatak
ispunio bez potekoa i osvojio prvu nagradu u vrednosti od 2 miliona dolara.
Slika 35: Stanley
44
Projekti
Slika 36: Jedno od Google autonomnih vozila
Slika 37: Google vozilo na gradskim ulicama
45
Projekti
Slika 38: Pogled Google vozila

Iako kompanija Google nema neposredne planove da razvije komercialne sisteme za autonomna
vozila, kompanija se nada razvitku poslovanja koje bi marketinzovalo sistem i podatke gde bi svetski
proizovai automobila sami proizvodili autonomna vozila zasnovana na Google sistemima.
BOSS
BOSS, je projekat profesora robotike Chris Urmson-a, sa Carnegie Mellon University-a.
BOSS, slika 39, je visoko sofiticirano autonomno vozilo, koristi kompoziciju od ak 19 senzora, GPS i
moan raunar da bi se u potpunosti vozio bez ikakve ljudske intervencije [22].
46
Projekti
Slika 39: BOSS

BOSS, sam odrava detaljnu virtuelnu mapu, konstantno uzimajui i beleei pozicije sve do svog
cilja. Ovo ne predstavlja nikakv problem u poreenju sa vonjom, koliko god da je prirodno za ljude,
toliko je komplikovano za raunar upravljanje i okretanje volana. ak i najosnovniji manevri su
iznenadno kompleksni. Najjednostavnije zaustavljanje na raskrsnici zahteva visoko koordinisanu
komunikaciju izmeu BOSS-ovog internog GPS-a, njegovih senzorskih zraka, detaljne digitalne mape
okruenja i raunara koji upravlja volanom, papuicom gasa i konice. Dodavanjem vozila u saobraaj
kojim upravlja nepredviena osoba, i situacija postaje eksponencijalno mnogo komplikovanija.
Primer moe da nam bude BOSS-ovo preticanje tog drugog vozila, Chris sa svojom ekipom je radio
naporno i na ovom manevru, to je dokazano da je veoma izazovan poduhvat. Jedna od
demonstracija je da BOSS odlui gde, kada i kako da pretekne vozilo kojem prilazi. BOSS je to uinio
uspeno na putu sa dve trake sustiui vozilo koje usporava, sigurno, bezbedno i to bre, jer za
razliku od ljudi raunar razmilja tako da to uini to pre je mogue, da ne bi dozvolio da drugo vozilo
donese naglu promenu u svojoj putanji i time poremeti i njega samog.
Chris i njegova laboratorija na Univerzitetu rade na algoritmu koji e vonju sa BOSS-om uiniti
mnogo konfornijom nego to je sada ba iz razloga razmiljanja raunara da manevar zavri to pre
je
mogue.
Iako jo uvek u razvojnoj fazi, BOSS je mnogo pouzdaniji nego veina ljudskih vozaa.
2007 godine, kao to je ve reeno BOSS je pobedion na DARPA Grand Challenge takmienju i
svom Tartan Racing timu doneo nagradu od 2 miliona $. Inae Chris je radio i na ve pomenutom
47
Projekti
projektu robotizovanog vozila Stanley sa Sebastian Thurn-om na Stanford Univerzitetu kada su
2005-te osvojili prvu nagradu na DARPA Grand Challenge.
Drugi projekti
Poslednji u nizu projekata dolazi iz kompanije Mercedes-Benz koja je najveem svetskom sajmu
elektronike za iroku potronju CES 2015 predstavila model F 015 pod sloganom Luksuznost u
pokretu, kao inovativnu prespektivu za budunost mobilnosti i autonomnih vozila, slika 40.
Slika 40: Mercedes-Benz F 015 Luxory in motion

Demonstracija ovog autonomnog vozila je odrana u samom gradu Las Vegasu gde se vozilo
kretalo kroz regularan saobraaj i bez ikakvih problema savladalo planiranu trasu kretanja. Naravno
sa tehnike strane nije otkriveno mnogo detalja ali jedna od bitnih informacija je da ovo autonomno
vozilo poseduje hibridni pogonski agregat i da je u mogunosti da predje oko 1100km bez ikakve
emisije tetnih gasova.
Iz kompanije Volvo su najavili da e 2014.4 godine predstaviti novi sistem koji e omoguiti
vozilima samostalno upravljanje pri brzinama manjim od 50 km/h. Volvo je u svetu poznat kao
proizvoa automobila koji posebnu panju poklanja bezbednosti putnika. Poput nekih drugih
kompanija, i Volvo je doao do zakljuka da je bezbednost u saobraaju najvie ugroena zbog
ljudskog faktora, pa je krenuo u razvoj sistema autonomnih vozila.
Podatak iz 2013 godine
48
Projekti
Prvi takav sistem predstavljen je u okviru programa SARTRE, odnosno takozvanog "drumskog
voza", slika 41. Ovaj drumski voz sastoji se od vodeeg vozila, kojim upravlja profesionalni voza, a
koje sledi nekoliko automobila. Zahvaljujui postojeim Volvo bezbednosnim sistemima, koji
funkcioniu pomou kamera, radara i laserskih senzora, pratei automobili nadgledaju vodee vozilo,
kao i ostala vozila u njihovoj blizini. Uz pomo beine komunikacije, vozila u koloni oponaaju
kretanje vodeeg vozila, a zahvaljujui autonomnoj kontroli, ubrzavaju, koe i skreu na isti nain kao
i vodee vozilo. Iskustva iz ovog projekta upotrebljena su za razvoj novog sistema, eng. Traffic Jam
Assistance, koji Volvo planira da predstavi 2014. godine. Ovaj sistem je jo napredniji. On omoguava
svakom pojedinanom vozilu samostalno upravljanje, koenje ili ubrzavanje u urbanim uslovima
saobraaja, pri brzinama do 50 km/h.
Slika 41: SARTRE
Traffic Jam Assistance takoe koristi kamere koje prate linije saobraajnih traka i druga vozila u
okolini, kao i senzore koji pomau da se odri bezbjedno rastojanje u odnosu na druge automobile.
Ford nam je pruio uvid u neke od buduih sigurnosnih sistema u vonji koje razvija ta kompanija.
Meu njima je i sistem za asistenciju vozau u saobraajnoj guvi (eng. Traffic Jam Assist), slika 42.
Sistem podrazumeva upotrebu radara i kamera pomou kojih se, tokom vonje u saobraajnoj
guvi, prati kretanje vozila ispred i pored automobila.
49
Projekti
Na osnovu prikupljenih podataka, automobil po potrebi sam koi, ubrzava i koriguje pravac
kretanja. U Fordovom odeljenju za razvoj i inovacije smatraju da e njihov sistem olakati vonju u
saobraajnoj guvi i smanjiti stres kod vozaa, a ujedno poboljati i protok saobraaja.
Prema istraivanjima vozai u SAD provode i do 30 % vremena u vonji u saobraajnim guvama.
Traffic Jam Assist omoguio bi vozau da u tim okolnostima ne mora sve vreme da upravlja
automobilom.
Slika 42: Fordov sistem Traffic Jam Assist
S obzirom da Traffic Jam Assist koristi ve postojee tehnologije, kao to su adaptivni tempomat i
ureaj koji pomae vozilu da ostane u traci kojom se kree, u Fordu oekuju da bi se novi sistem
mogao nai u upotrebi u bliskoj budunosti.
Takoe, i kompanija Audi je predstavlia jedno interesantno reenje na svom projektu autonomnog
vozila, u pitanju je bio prototip smartfone aplikacije da pozovu autonomni Audi A7 koji je bio
parkiran u prednjoj garai hotela, da doe do ulaza hotela, demonstracija je pokazana u Las Vegasu,
hotel Mandarin Oriental.
U amerikom General Motorsu rade na skupu tehnologija koje e omoguiti automobilima da sami
upravljaju i kontroliu svoje kretanje. Planirano je da se ta ideja realizuje do kraja ove decenije.
General Motorsa kau da e sistemi koje razvijaju pobljati bezbednost u saobraaju i eliminisati
mogunost sudara i pre nego to voza postane svestan opasnosti.
Volvo i Ford nisu jedini koji rade na tehnologiji autonomnih vozila. Pored njih, ovim problemom
bave se i drugi proizvoai automobila, poput Mercedesa, BMW-a, Volkswagena i drugi
50
Projekti
Jo jedan od znaajnijih projekata autonomnih vozila su i projekti Stanford Univerziteta, bili su
primetni i postizali znaajne rezultate na takmienjima DARPA Challenge, slika 43.
Slika 43: Jedan od Stanford Univerzitetskih projekata, Junior
51
Predlog podsistema autonomnog vozila

Kao mogue reenje dela sistema autonomnog vozila, na osnovu svih postojeih tehnologija, od
kojih su poneke ve i u komercijalnoj upotrebi, moe se kreirati sistem za veu bezbednost u
saobraaju koje bi u velikoj meri uticalo na bezbednost peaka, koji bi mogao biti primenjen odmah i
na komercijalna vozila. Naime re je o tome da se na osnovu postojeih komponenti kreira sistem
koji bi na odreenim delovim puta imao uticaj, zapravo radilo bi se o sistemu prepoznavanja znakova
koji bi uticao na maksimalnu dozvoljenu brzinu kretanja vozila. Primera radi, kao idejno reenje, ovo
bi moglo da se primenjuje u blizini kola i vrtia, sistem bi se mogao zvati: Ogranienje brzine pored
kola (eng.: School Speed Limit). Tako to bi se na osnovu horizontalne i vertikalne signalizacije,
tanije specijalnih znakova za podruije kole, dozvoljene maksimalne brzine i sl. i pomou
tehnologija snimanja i prepoznavanja znakova, uz pomo raunara koji upravlja vozilom, limitirala
maksimalna brzina u podruiju kolskih i predkolskih ustanova.
S obzirom da tehnologija prepoznavanja znakova ve postoji, jedan od takvih sistema koji je ve i u
upotrebi kod komercijalnih vozila eng: Opel Eye, bi bio samo modifikovan time to bi slao raunaru
koji upravlja vozilom kojom maksimalnom brzino bi vozilo moglo da se kree. Ova tehnologija ima
ak etiri funkcije: ve pomenuta Traffic Sign Assistant (TSA), Lane Departure Warning (LDW) slui za
praenje horizontalne signalizacije na asfaltu i obavetavanja vozaa i prelasku preko saobraajnih
linija ako se to desilo bez signalizacije od strane vozaa, Following Distance Indication (FDI) za
zadravanje razdaljine meu vozilima i kao poslednja Forward Collision Alert (FCA) koja obavetava
vozaa o moguem sudaru sa vozilom ispred na osnovu brzina kretanja vozila ispred i samog vozila u
kom je ovaj sistem. Pored ove tehnologij postoje i mnoge druge, kao i kod drugih porizvoaa vozila
za veu bezbednost u saobraaju, s obzirom na potrebe ovog idejnog reenja tehnologija Opel Eye, je
pomenuta jer bi jedna takva tehnologija imala velikog udela u razvoju, praktino samo u modifikaciji
i povezivanju sa sistemom kontrole brzine kretanja vozila zarad kreiranja reenja tehnologije pod
kodnim nazivom SSL.
Takoe, uz upotrebu komunikacionih sistema V2V i V2I, koji je ve opisan u jednom od
predhodnih poglavlja ovog rada, komunikacija izmeu vozila bi bila takoe mogua da ne bi dolo do
iznenadnih situacija prilikom usporavanja vozila ispred iako razdaljinu meu vozilima reguliu drugi
sistemi, koji su takoe ve u upotrebi u saobraaju. Pomou ovog sistema, vozilo koje ue u zonu
ogranienja brzine, bi slalo informaciju vozilu iza sebe da nailazi na zonu usporavanja i time bi na
vreme raunar mogao da odradi potrbne operacije prilagoavanja brzine. Ovakva vrsta komunikacije
bi bila neophodna s obzirom da postoje i kole koje se u ruralnim sredinama nalaze na glavnim
magistralnim putevima, gde dnevno prolazi veliki broj vozila mnogo veom brzinom nego u gradskim
sredinama u blizini kola. Pored svega ovog kljuno je pravilno i na odgovarajuim mestima postaviti
i samu vertikalnu signalizaciju znakove, da bi upravljaki raunar na vozilu mogao na vremen da
uspori vozilo i prilagodi brzinu kretanja u tom podruiju, a na samom izlazu iz te zone trebao bi da
stoji znak koji bi raunaru dostavi informaciju o prekidu ogranienja brzine kretanja.
52

Slina reenja ograniavanja brzine ve postoje, ali su to uglavnom reenja sa upozoravanjem na
displeju kontrolne table automobila vozaa da se nalazi na putu u podruijima sa ogranienom
brzinom kretanja vozila.
Komunikacija izmeu senzora, upravljakog raunara i samih izvrioca, odnosno pokretaa radnje,
na osnovu pogleda kroz softver koji bi to izvravao, bi se odvijala po blokovima kao na slici 44.
Slika 44: dijagram blokova softvera na osnovu sistema za regulisanje brzine kretanja vozila
Sam sistem bi funkcionisao na sledei nain. Kamera koja bi bila i glavna komponenta ovog sistema
bi bila postavljena na prednji deo vozila, negde u predelu srednjeg retrovizora, gde se inae ve i
nalaze slini ureaji, kao to je prikazano na slici 45. Na osnovu mogunosti prepoznavanja znakova,
ona bi davala potrebne informacije softveru, koji bi te informacije obradio i prosledio kontrolnoj
jedinici koja bi na osnovu dobijenih podataka odluila koji od izvrioca bi se aktivirao.
Slika 45: poloaj kamere za prepoznavanje znakova
53
Zakljuak
Zakljuak
Robotika se bavi inteligentnim agentima koji manipuliu fizikim svetom, samim tim i autonomna
vozila kao deo toga poseduju sve karakteristike robota, kao to su specijalizovani robotski hardver za
autonomna vozila i softver koji omoguava da sva tehnoloka reenja funkioniu u skladu kao celina,
iz razloga jer ima direktnog uticaja na oveanstvo u budunosti. Kljuna softverska arhitektura za
autonomna vozila jeste kao to je pomenuto protona arhitektura koja moguava i obezbeuje
funkcionisanje vozila kao kada ovek razmilja o svom kretanju. Arhitektura obrauje podatke
paralelno u jednom nizu modula, koji obrauju opaanju, modeliranju, planiranju, upravljanju i
robotskim interfejsima [23].
Kao zakljuak iz svega ovoga proizilazi da e autonomna vozila u narednih desetak godina sigurno
postati standard. Prvenstveno iz bezbednosti u saobraaju jer e razvoj tehnolokih reenja doprineti
da autonomna vozila bez greaka saobraaju putevima proraunavajui sve mogue faktore. Takoe
i vei broj projekata donee i smanjenje trokova tehnologije i uiniti koncept vozila bez vozaa
pristupanijim. Autonomna vozila jo uvek imaju mane, ali se radi na njihovom usavravanju,
tehnologija napreduje, to doprinosi efikasnijem razvitku i napretku. Neophodno je perfektno
usavravanje samog sistema autonomnog vozila, njegovo konstantno testiranje, praenje i
usaglaavanje sa svim pravnim aspektima. Ne samo da je potrebno testiranje u tesnim centrima
kompanija koja e prozvoditi ovakve vidove vozila, ve i njihovo testiranje u realnom vremenu
(saobraaju) gde postoji i ljudski uticaj. Strunjaci iz oblasti robotike i prvenstveno oni koji se bave
autonomnim vozilima su saglasni da u predhodnih godinu dana autonomna vozila su toliko
napredovala da je njihovo pojavljivanje na ulicama blie 5 do 10 godina ranije, predvianja su da bi
se vozila mogla nai u prodaji i na ulicama ve izmeu 2017. i 2020. godine [25]. Ovakve stavove
strunjaka potkrepljuju injenice samog razvoja i napretka autonomnih vozila gledano od 2000-ih,
kada je poela nagla ekspanzija u razovju ovakvih vidova vozila. Te injenice lee u samim podacima i
rezultatima koji su proistekli iz raznih projekata, takmienja i dr. Kao primer moemo uzeti
poslednjih desetak godina i rezultate prvih DARPA Challenge takmienja gde su vozila 2004. godine
na takmienju prelazila nekoliko milja od predvienih 150, pa zatim 2007. godine gde su bez
problema izvravali zadate ciljeve u daljinama trasa koje trebaju da preu, kao i u savladavanju
raznih prepreka. Novija deavanja su pokazala da autonomna vozila mogu bez problema da
savladavaju meugradske saobraajnice, kao i sam saobraaj u gradovima, dodue jo uvek se
preteno to radi sa vozaam koji se nalazi u autonomnom vozilu, ali bez uticaja u vonji, to radi
kompanija Google. Neke od kompanija kao to su prvenstveno Mercedes, pa i Audi, su se odvaili i
otili korak dalje u primeni autonomnih vozila. Mercedes je svoj projekat luksuznog poslovnog vozila
F-015 demonstrirao na ulicama Las Vegasa i San Franciska bez vozaa koji je pratio deavanja tokom
saobraanja ovog koncepta. Audi je sa modelom svog komercijalnog A7 modela, sa dodatnim
tehnolokim reenjima neophodinim da bude autonomno vozilo, demonstrirao uestvovanje u
saobraaju ovog vozila od Silikonske Doline do Las Vegasa bez vozaa u vozilu. Sve ove injenice i
postignuti rezultati nam samo ukazuju koliko smo blizu autonomnim vozilima u komercijalnim
svrhama. [25] Varijacije autonomnih vozila idu od standardnih vozila sa ugraenim tehnolokim
reenjima da to vozilo postane autonomno, do koncepta budunosti i raznih vizija autonomnih vozila
kao to je ve pomenuti koncept Mercedes F-015. Sva tehnologija koja je od poetka razvoja, od
samih prvih koraka razvoja autonomnih vozila pokazala prednosti i mogunost iskorienja, ve je
nala primenu i u standardnim vozilima u raznim oblicima i svrhama upotrebe i iskorienja iste [4].
54
Zakljuak
Autonomna vozila e u mnogome pomoi osobama koja iz raznih razloga nisu u mogunosti da
upravljaju vozilima. Smanjie se saobraajne guve, vremena potrebna za dolazak na posao, vozila e
samostalno traiti parking ne oduzimajui vozau dragoceno vreme, itd.
Sve ove beneficije i u tekstu ve pomenute, e samo olakati ivot ljudima.
Autonomna vozila nainie i veliki makroekonomski pomak u svet, unapredie mnoge industrijske
sektore, smanjie uticaj na ivotnu sredinu sa ekolokog spekta, koji ve mnogi proizvoai
pokuavaju da predstave kroz svoja koncept vozila. Takoe, e se poveati svest i potrebe ljudi ka
linom usavravanju kako bi tehnologija mogla i dalje da se usavrava i napreduje u svom razvoju i
primeni.
Autonomna vozila su vie nego obeavajua [25].
55
Reference
Reference
[1]
[2]
[3]
[4]
[5]
http://www.computerhistory.org/atchm/where-to-a-history-of-autonomous-vehicles/
http://www.driverless-future.com/
http://driverlessworld.com/2011/06/a-brief-history-of-driverless-vehicles/
http://www.wired.com/tag/autonomous-cars/
http://www.autoevolution.com/news/a-short-history-of-mercedes-benz-autonomousdriving-technology-68148.html
[6] http://www.tested.com/tech/concepts/459497-darpas-1980s-vision-skynet-ai/
[7] M. Maurer, M. Bahringer, S. Furst, F. Thomanenk, E.D. Dickmanns, A compact Vision System
for Road Vehicle Guidance, 1996.
[8] http://www.argo.ce.unipr.it/ARGO/english/
[9] http://www.omandev.net/2007/07/expert-system-and-knowledge-based-systems/
[10]S. Russel, P. Norving, Vetaka inteligencija: savremeni pristup, Prevod treeg izdanja
Druga knjiga, Raunarski fakultet Beograd, 2011.
[11]http://www.lasertech.com/blogs/Traffic-Safety/post/2013/05/15/Difference-BetweenRadar-and-Lidar-Explained.aspx
[12]http://gpsworld.com/tag/autonomous-car/
[13]A. El-Rabbany, Introduction to GPS: the Global Positioning System 2nd Ed., Boston, MA,
Artech House, 2006.
[14]http://videos.howstuffworks.com/discovery/36900-mega-engineering-death-of-theautomobile-video.htm
[15]Simon J.D. Prince, Computer Vision: Models, Learning and Inference, Cambridge University
Press, 2012.
[16]http://mubbisherahmed.wordpress.com/tag/vehicular-communication-systems/
[17]http://auto.howstuffworks.com/under-the-hood/trends-innovations/driverless-car.htm
[18]https://standards.ieee.org/develop/wg/1609_WG.html
[19]http://www.digitaltrends.com/cars/denso-v2v-connected-car-technology/
[20]http://www.lidar-uk.com
[21]http://www.pcmag.com/article2/0,2817,2484519,00.asp
[22]http://videos.howstuffworks.com/discovery/36901-mega-engineering-self-driving-carvideo.htm
[23]M. Kajtez Autonomna vozila: poetak i primena robotizovanih vozila u saobraaju, eRAF
elektronski dokument, Raunarski fakultet Beograd, 2014.
[24]Robin R. Murphy, Introduction to AI Robotics, A Bradford Book The MIT Press Cambridge,
Massachusetts London, England, 2000.
[25]http://www.extremetech.com/extreme/197262-its-2015-self-driving-cars-are-more-than-apromise
56

Autonomna Vozila Kajtez PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Autonomna Vozila Kajtez PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Autonomna vozila: poetak i

primena robotizovanih vozila

"Eksperimentalni automobil je imao vozaa za volanom i softverskog inenjera u putnikom seditu

Slika 1a: Mercedesov robotizovani kombi iz

Slika 1b: Unitranjost robotizovanog kombija

Slika 2: DARPA ALV

Slika 4b: Unutranjost VaMP Mercedes S

Slika 4a: Mercedes-Benz S klasa, VaMP

Slika 5: Mercedes-Benz S klasa, Vita-2

Slika 6: Tablice autonomnog vozila

Dva su uobiajena pravila za izvoenje novih injenica iz pravila i poznatih injenica:

Slika 7: Uobiajeni ciklus zakljuivanja:

Slika 8: Odnos ekspertskog sistema i sistema zasnovanih na znaju [9].

Ekspertski sistemi su iroko poznati u reavanju sloenih problema. Raunari su dobri u

od istaktnutih ekspretskih sistema koji se koriste u robotici, samoj vetakoj inteligenciju su

Dendral (prepoznavanje struktura organiskih molekula od njihovih hemijskih molekula)

Naravno i ekspertski sistemi imaju svoje prednosti i mane.

Vetaka inteligencija i paradigme

Kod autonomnih vozila primenjena je Hibridna paradigma.

Slika 10: Organizacija hibridne paradigme

Slika 11: ematski prikaz snopa svetlosti LIDAR-a

Saobraajno komunikacioni sistemi

Slika 12: Mobilni i fiksni nodovi VCS-a

Slika 13: ematski prikaz komunikacije kratkog dometa DSRC

Slika 14: IEEE 1609 dijagram

Slika 15: sistem koji regulie raskrsnicu

Komunikacija vozilo-vozilo (V2V)

Slika 16: Skica V2I i V2V komunikacije

Slika 17: Komunikacija u realnom saobraaju

Terenski zasnovani LiDAR sistem

Kako ustvari LiDAR radi? (Nauka iza tehnologije)

Foto-detektori i elektronski prijemnici

Navigacija i sistemi pozicioniranja

Upravljaki algoritam autonomnog vozila

Slika 18: Skica arhitekture autonomnog vozila

Slika 19: Osnovni dijagram

Arhitektura robotskog softvera

Arhitektura robotskog softvera

Arhitektura robotskog softvera

Slika 20: Protona softverska arhitektura autonomnog vozila [10].

Nakon to je ustanovljena osnova platforme koja je spremna za testiranje i proizvodnju

Arhitektura robotskog softvera

Slika 21: Blok dijagram softvera na osnovu funkcija

Arhitektura robotskog softvera

Slika 23: Primer dijagram toka arhitekture

Slika 24: deo koda pisan u programskom jeziku C

Komponente sistema autonomnog vozila

Komponente sistema autonomnog vozila

Slika 25: VW Passat MadeInGermany

Innovation Lab AutoNOMOS je osnovana od strane Nemakog Ministarstva za obrazovanje i razvoj

Komponente sistema autonomnog vozila

Slika 27: GPS antena

Slika 28: Odometar prikaen na toak

Komponente sistema autonomnog vozila

Slika 29: Laserski skener

Slika 30: Kamera za detektovanje linija puta

Komponente sistema autonomnog vozila

Slika 31: Laserski skener

Slika 32: Radar za prepreke

Komponente sistema autonomnog vozila

Slika 33: Radar za otkrivanje udaljenih vozila

Slika 34: Senzori autonomnog vozila

Slika 35: Stanley